本文研究的是鼾声信号中的机械噪声自适应抑制算法，在进行噪声抑制工作之前，首先 要了解鼾声信号以及机械噪声的特征,掌握它们之间的区别。

在现实生活中，噪声特性来源广泛，主要有加性与非加性噪声，包括周期，脉冲，宽带 以及同声道语音干扰（人说话声音的混杂）等[18]。在本文中，鼾声信号是通过在手术室中录 制 OSAHS 患者在麻醉作用下进入诱导睡眠状态时的声音来获取的，因此机械噪声主要包括 环境噪声，设备干扰，以及医务人员偶尔说话的声音。鼾声作为语音信号的一种，具有短时 平稳性，是一种典型的非平稳信号。鼾声信号与机械噪声在时域，频域以及空域上都有一定 的区别。

2。1。1 鼾声信号时域特性

图 2。1 为手术室实测的鼾声信号的时域波形图，从图中可以看出鼾声信号占优段与机械

噪声段是交替出现的。图 2。2 为鼾声信号时域波形图的局部放大图。如图所示，图中幅值较 低且比较平稳的时段为包含手术室内各种设备干扰，环境噪声以及医务人员语音在内的噪声 基底；幅度较高的突起的部分是鼾声信号与机械噪声信号的叠加，其中鼾声信号的幅值比机 械噪声的幅度值高出很多，因此突起部分鼾声信号占优。基于上述鼾声信号的时域特性，在 设计算法时可以考虑增加一个检测控制模块，将鼾声信号占优的时段与机械噪声占优的时段 加以区分，对其分别进行鼾声增强与噪声抑制处理，来达到最佳的噪声抑制效果。

图 2。1 鼾声信号的时域图

本科毕业设计说明书 第 5 页

图 2。2 鼾声信号的时域局部放大图

2。1。2 鼾声信号频域特性

图 2。3 是手术室采集的鼾声信号的时频谱图，对应于图 2。1 中的鼾声信号时域波形图。图

2。4 为鼾声信号时频谱图的局部放大图，对应于图 2。2 中的鼾声信号时域局部放大图。图中出 现的颜色渐深的谱块为鼾声信号，图下方出现的一系列频率较低的横向条带为机械噪声。从 时频谱图中可以很明显地看出鼾声信号与机械噪声的区别与联系：鼾声信号带宽较大，机械 噪声是由一系列离散的线谱组合而成，鼾声信号中始终混杂着机械噪声。论文网

图 2。3 鼾声信号的时频谱图

图 2。4 鼾声信号的时频谱图局部放大图

2。1。3 鼾声信号空间特性

图 2。5 为手术室中的鼾声信号采集系统示意图，从图中可以看出，麦克风阵列呈立体弧 形结构置于病床床头，用于采集鼾声数据。由于机器设备与人在空间上的位置不同，所以鼾 声信号与机械噪声来自不同的空间范围，因此麦克风阵列采集到的鼾声信号中混杂着来自不 同方向的机械噪声。基于上述特性，可以采用基于麦克风阵列的空间处理方法来进行噪声抑 制处理。

图 2。5 手术室中采集鼾声信号示意图

2。1。4 鼾声信号中的机械噪声抑制思路

从上面分析中我们可知，鼾声信号与机械噪声在时域和频域上是叠加在一起的，如果用 带通滤波器进行滤波也会滤去鼾声信号，不能有效地去除机械噪声，这势必会影响到鼾声信 号的识别、截取、分析等后续数据处理性能，从而影响后期诊断的正确性。鉴于一般滤波方 法的缺点，我们可以采用麦克风阵列技术，它是一种重要的空间滤波方法，具有空间选择的 能力，在增强期望方向信号同时衰减其他方向干扰噪声信号。因此麦克风阵列技术可以充分