融合LPCC和MFCC的支持向量机OSAHS鼾声识别

作者：沈侃文; 李文钧^*; 岳克强

来源：杭州电子科技大学学报(自然科学版), 2020, 40(06): 1-12.

DOI：10.13954/j.cnki.hdu.2020.06.001

• 线性预测倒谱系数
• 梅尔倒谱系数
• 融合LPCC和MFCC特征参数
• 支持向量机

单纯打鼾者的鼾声与阻塞性睡眠呼吸暂停低通气综合征(Obstructive Sleep Apnea-Hypopnea Syndrome,OSAHS)患者的鼾声在声学特征上有较大的区分度。从鼾声的声学特征出发,提出一种基于支持向量机(Support Vector Machines,SVM)的Fisher准则融合特征鼾声分类算法。首先,通过使用线性预测倒谱系数(Linear Prediction Cepstrum Coefficient,LPCC)和梅尔倒谱系数(Mel-scale Frequency Cepstral Coefficient,MFCC)的特征提取方法来分别提取鼾声的特征,并通过计算得出LPCC和MFCC每一维特征参数的Fisher比;然后,根据Fisher比的大小进行LPCC和MFCC的特征融合;最后,用SVM进行鼾声的特征分类,识别单纯打鼾者和OSAHS患者。实验结果表明,以融合LPCC和MFCC特征参数作为特征参数时,抗噪性能好且具有较高的识别准确率,准确率达到95.8%。

• 单位
  杭州电子科技大学