ویژگی های بهینه ی آشکارساز خروپف در بازه های کوتاه سیگنال صوتی

انسان تقریبا یک سوم از عمر خود را در خواب میگذراند از این رو کیفیت خواب و وقایع حین آن از اهمیت به سزایی برخوردار خواهد بود.بیماریهای حین خواب طیف گسترده ای دارند که شایع ترین آنها خروپف شبانه و در موارد شدیدتر وقفه های تنفسی می باشند.خروپف به صدای ناهنجار ناشی از ارتعاش نسوج حلقی در دم و بازدم حین خواب، اطلاق میشود. به منظور شناسایی خروپف مطالعات گسترده ای انجام گرفته و هدف از این آزمایش یافتن مناسب ترین ویژگیها به منظور آشکارسازی خروپف بر مبنای پردازش قابهای زمانی کوتاه سیگنال صوتی ثبت شده در طول خواب واقعی و در محیط بدون نویزمی باشد وطبقه بندی این سیستم بر مبنای شبکه عصبی پرسپترونانجام گرفته است. داده های این آزمایش از 10 نفر جمع آوری گردیده که میانگین سنی آنها 50/5 سال می باشد.از میان ویژگی های مطرح شده به ترتیب ضرایب پیشگویی خطی با دقت %99/15 و ضرایب کپسترال در فرکانس مل با دقت %98/24 بهعنوان بهینه ترین ویژگیها در آشکارسازی خروپف شناسایی شده اند.این مطالعه با شناسایی خودکار خروپف در حال توسعه روش ناظر بر خواب با هدف بهبود کیفیت خواب می باشد.

Keywords:

پردازش سیگنال خروپف , بازه های کوتاه سیگنال صوتی , شبکه عصبی مصنوعی , ضرایب پیشگویی خطی , ضرایب کپستروم در فرکانسمل