5、多特征集融合策略用于鼾声分类

多特征集融合策略用于鼾声分类

1. 数据介绍

鼾声数据来自德国的 33 个医疗中心，所有的慕尼黑 - 帕绍鼾声语料库（MPSSC）数据都保存为 wav 文件（16 位，16000 Hz）。鼾声事件基于 VOTE 分类进行标注，该分类方案区分上气道可能涉及的四个结构：软腭水平（V）、包括腭扁桃体的口咽区域（O）、舌根（T）和会厌（E）。

MPSSC 包含从 219 个独立受试者收集的 828 个鼾声事件，总时长为 1250.11 秒，平均时长为 1.51 秒（范围从 0.73 到 2.75 秒）。数据分布信息如下表所示，存在数据不平衡问题。
| 类别 | 训练集 | 开发集 | 测试集 | 总计 |
| ---- | ---- | ---- | ---- | ---- |
| V | 168 | 161 | 155 | 484 |
| O | 76 | 75 | 65 | 216 |
| T | 8 | 15 | 16 | 39 |
| E | 30 | 32 | 27 | 89 |
| 总计 | 282 | 283 | 263 | 828 |

2. 特征提取

使用 openSMILE（开放式语音和音乐大空间特征提取）工具包提取特征，它是一个高度模块化和灵活的声学特征提取工具包，广泛应用于信号处理和机器学习。通过不同的配置文件可以提取多个特征，这里提取了以下三个特征集：
- ComParE ：于 2013 年 INTERSPEECH 的 ComParE 中首次发布，包含 6373 个特征，包括能量、频谱、MFCC 以及与发声相关的低级描述符（