1 引言

1。1 课题背景及研究意义

打鼾是现代生活中非常普遍的一种疾病。在一个包括 5713 人的早期调查中，我们发现 19%的人得了鼾症，对应于男性人口的 24。1%和女性人口的 13。8%[1]。OSAHS 是一种经常发 生的长期睡眠疾病，它的一个重要的特点是：由于咽后壁鼻塞会导致 10s 的呼吸暂停或呼吸 不足，随之而来的是动脉血氧饱和度下降[2]。如果不及时治疗的话，这种威胁生命的睡眠障 碍疾病可引起高血压，冠状动脉心脏疾病，肺心脏衰竭，甚至会导致夜间猝死[3]。由于这些 症状和功能障碍，OSAHS 患者从身体，心理健康到社交功能方面都受到了严重的影响。最近 的研究发现，鼾声信号携带有关 OSAHS 患者的鼾声源和阻塞部位在上呼吸道的重要信息[4]。 这一显著的发现促使人们去发现能够检测出 OSAHS 的价格低廉，简单方便的非入侵的声学 方法。

为了实现通过研究鼾声信号来识别和检测 OSAHS 的目的，我们需要对患者的鼾声信号 进行深入地研究与分析。OSAHS 患者的鼾声录音是进一步研究和诊断的初步材料，需要在手 术室中对 OSAHS 患者的鼾声进行整夜的实时检测与采集。但在实际情况下，采集到的鼾声 数据中往往夹带着各种噪声，包括设备的干扰以及医务人员讲话的声音等，这势必会影响到 后面对鼾声信号的识别分析的效果，影响后期诊断的正确性。因此鼾声的噪声抑制工作是非 常有必要的。采用麦克风阵列的自适应噪声抑制算法来处理鼾声信号，将严重的干扰和噪声 去掉，有利于提高采集的鼾声信号的纯净度，为后面的鼾声信号的进一步分析处理打下一个 良好的基础。

1。2 国内外的研究现状

1。3 论文主要工作

本科毕业设计说明书 第 3 页

鼾声信号包含有丰富的生理信息，对 OSAHS 病症的诊断起到了重要的作用。但在手术 室中采集的鼾声数据中常常包含设备干扰与环境噪声，因此鼾声的噪声抑制工作是非常有必 要的。针对上述情况，本文采用了一种基于 GSC 结构的机械噪声自适应抑制算法，并用一组 实测的鼾声数据对算法进行验证。通过算法处理前后鼾声信号时域波形，时频谱图，以及信 干噪比（SINR）的对比，来评估算法对鼾声信号起到的噪声抑制作用。在此基础上，定量分 析不同参数取值（比如滤波器长度以及算法的步长）对算法性能的影响，并尝试给予合理的 物理解释。

1。4 论文的章节安排

第一章：引言部分，阐述了课题的研究背景与研究现状，并阐明了本文的主要工作与章 节安排。

第二章：分析了鼾声信号与机械噪声的特征与区别，阐明了鼾声信号中的机械噪声自适 应抑制原理。对常见的机械噪声抑制方法进行了简要阐述并进行比较，选择了性能比较优良 的基于 GSC 结构的机械噪声自适应抑制算法，并介绍其原理。

第三章：对一种基于 GSC 结构的机械噪声自适应抑制算法进行了详细的阐述，具体说明 了算法的实现过程，给出了一组实测的鼾声信号数据处理过程。

第四章：定量研究了不同的参数取值对算法性能的影响，并给出合理的物理解释。 第五章：对全文进行总结。

第 4  页 本科毕业设计说明书

2 鼾声信号分析与麦克风阵列噪声抑制原理

2。1 鼾声信号分析 OSAHS鼾声信号中的机械噪声自适应抑制(2):http://www.youerw.com/tongxin/lunwen_83494.html