鼾音信号奇异点检测的小波变换分析方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (5): 232-234.

鼾音信号奇异点检测的小波变换分析方法

张引红,吴胜举

陕西师范大学物理学与信息技术学院，西安 710062

收稿日期:2007-08-16 修回日期:2007-11-15 出版日期:2008-02-11 发布日期:2008-02-11
通讯作者: 张引红

Method of wavelet transform in checking aberrant signal of snore

ZHANG Yin-hong,WU Sheng-ju

College of Physics and Information Technology，Shaanxi Normal University，Xi’an 710062，China

Received:2007-08-16 Revised:2007-11-15 Online:2008-02-11 Published:2008-02-11
Contact: ZHANG Yin-hong

摘要/Abstract

摘要： 针对鼾音信号的特点，提出一种利用小波奇性检测原理的方法，以MATLAB 仿真为基础，不但给出分析鼾音信号不同频段特征的仿真结果，又对信号奇异性进行了检测，确定了奇异性的位置和奇异性指标。结果表明，该方法给分析异常鼾音信号或医疗诊断提供了非常有价值的信息。

关键词: 小波变换, 鼾音, 信号奇异, 小波奇性检测, 频谱分析

Abstract: A new way to signal of snore is discussed in this paper，which using wavelet singularity detection based on MATLAB simulation analysis，and it not only shows the simulation result of analyzing the character of different frequency snoring signal，but also checks signal singularity，and points out its position and Lipschitz index.This fact demonstrates that the method may offer the important message of analyzing singularity signal or diagnose of medical treatment.

Key words: wavelet transformation, snore, signal singularity, wavelet singularity detection, spectrum analysis

张引红,吴胜举. 鼾音信号奇异点检测的小波变换分析方法[J]. 计算机工程与应用, 2008, 44(5): 232-234.

ZHANG Yin-hong,WU Sheng-ju. Method of wavelet transform in checking aberrant signal of snore[J]. Computer Engineering and Applications, 2008, 44(5): 232-234.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[7]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[8]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[9]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[10]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[11]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[12]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[13]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[14]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.