基于共振峰特征的长时间打sn相关信号分析

打nor是阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者的典型症状, 促使许多研究人员专注于如何通过声信号分析方法诊断这种疾病。 作为一种非侵入性方法,声学诊断比黄金标准的多导睡眠图(PSG)为受试者带来了更加舒适和便捷的体验。 但是,医生对OSAHS患者在较长时间内发现上呼吸道(UA)的变化提出了更高的要求。 共振峰特征在指示UA的结构变化方面具有良好的性能,可以将其视为打s模型中的共振。 本文提出了一种基于共振峰特征的长时间打of相关信号分析方法(SRS)。 提取前三个共振峰频率(F1,F2和F3),以借助K-means方法将长时间SRS数据分组为不同的状态。 SRS数据的每种状态都表示UA崩溃的程度。 我们发现,共振峰特征在不同状态下具有可分辨的值,并且通过隐马尔可夫模型(HMM)计算出的每种状态之间的转换可能性有助于分析长期SRS数据。 该方法可有效分析OSAHS患者的UA变异并建立长期SRS数据库。