-
考虑到鼾声信号可以通过麦克风非入侵性地采集到，一些学者在鼾声特性的研究上做出了尝试，如：①借助端点检测实现OSAHS的筛查：陈伟伟利用基于短时能量的自适应端点检测记录鼾声的间隔时间并以K均值的方法对鼾声间隔时间分类，并以K均值的方法对鼾声间隔时间分两类，以两类中心点的距离和发生暂停否认次数为依据实现OSAHS的诊断[2]；②借助鼾声分析的方法：彭好等对50例OSAHS患者进行同步多导睡眠监测和鼾声监测，截取每例患者不同睡眠时段的10次鼾声使用Prrat语音分析软件对鼾声的基频和共振峰进行分析[3]；殷善开等根据鼾声的频率将其分为5种类型，将频率小于180Hz的鼾声确定为软腭起源并以这种软腭起源的鼾声在所有鼾声类型中所占的百分比来确定鼾声是否为软腭起源[4]；许辉杰等对鼾声频域特性进行分析以推断OSAHS患者不同阻塞部位[5]；也存在对鼾声频谱的基频-谐波结构的研究[6]。此外，许辉杰等对目前鼾声研究的指标进行了总结，包括鼾声的各种特征性频率、功率特点、共振峰、强度、心理声学指数等[7]。19791
- 上一篇：火炮身管的烧蚀磨损现象国内外研究现状
- 下一篇：有限元法计算电磁学国内外研究现状
除去上述利用语音信号分析的方法提取鼾声信息，还存在基于语音合成理论的鼾声信号分解以分别提取声源信息和上呼吸道冲激响应。在论文[9]中，Andrew Keong Ng指出鼾声激励源(ES)的气流体积速度（SF），在诊断结果中发挥着重要作用[10]–[12]。文章将鼾声的产生近似建立为一个在激励源、声道滤波器和唇辐射之间的线性时不变模型，类似于语音的产生[13]。文中对SF的分析结果表明SF脉冲形状的不同会影响鼾声在声学及感知上的特性，并且在SF脉冲的形状变化与激励源的动态力学性能有关。
然而在目前的鼾声声学特性研究中仍存在以下问题有待解决：响鼾作为一种复杂的生理过程，难以大量进行睡眠状态下的入侵式测量，缺乏大样本的研究；使用语音分析的方法来研究鼾声的声学特性时需要考虑到响鼾与语音产生机理的不同，打鼾是由咽结构的振动活动引起，而不是由声带[16]；此外，由于各研究小组的检测环境、使用的声音采集设备、检测方法、观察指标、分析方法缺乏统一性，使研究结果产生较大差异，因此很难对各家的资料进行比较和获得一致的结论[1]。虽然目前将鼾声的声学特性用于实际OSAHS患者诊断的技术尚未成熟，但是我们相信随着医学和工程技术的发展，对鼾声的探究会得到持续的完善直至最终实现快速便捷地诊断OSAHS患者。