背景： 我正在开发一个iPhone应用程序（在 其他几篇 文章中都有介绍），该应用程序在一个人入睡时“听着”打呼//呼吸，并确定是否存在睡眠呼吸暂停的迹象（作为“睡眠实验室”的预屏幕）测试）。该应用程序主要使用“频谱差异”来检测打sn /呼吸，并且在针对睡眠实验室记录（实际上是非常嘈杂的）进行测试时，效果很好（大约为0.85--0.90）。
问题： 我可以通过多种技术过滤掉大多数“卧室”噪音（风扇等），并且经常以人耳无法检测到的S / N级别可靠地检测到呼吸。问题是语音噪音。在后台运行电视或广播（或者只是在远处说话的人）并不罕见，并且声音的节奏与呼吸/打呼closely紧密匹配。实际上，我通过该应用程序记录了已故作者/讲故事者比尔·霍尔姆（Bill Holm）的录音，与打的节奏，水平变化和其他几种测量方法基本上没有区别。（尽管我可以说他显然没有睡眠呼吸暂停，至少在清醒时没有。）
因此，这是一个远景（可能是一系列的论坛规则），但是我正在寻找一些有关如何区分声音的想法。我们不需要以某种方式过滤掉打ore声（这会很好），但是我们只需要一种方法来拒绝被声音过度污染的“太吵”的声音。
有任何想法吗？
发布的文件：我已经在dropbox.com上放置了一些文件：
第一个是相当随机的摇滚（我猜）音乐，第二个是已故的Bill Holm讲话的录音。两者（我将其作为“噪声”样本从打nor中区分出来）都与噪声混合在一起，以使信号模糊。（这使识别它们的任务变得更加困难。）第三档是您的录音的十分钟，真正的三分之一是呼吸，打middle混合，最后三分之一是稳定的打nor。（您咳嗽会得到奖金。）
这三个文件都已从“ .wav”重命名为“ _wav.dat”，因为许多浏览器都使下载wav文件异常困难。下载后，只需将它们重命名为“ .wav”即可。
更新：我以为熵对我来说就是“把戏”，但事实证明，这主要是我所使用的测试用例的特殊性，以及设计得不太好的算法。在一般情况下，熵对我无能为力。
随后，我尝试了一种技术，该技术可以计算每秒采样约8次的整体信号幅度（我尝试过功率，频谱通量和其他多种测量方法）的FFT（使用几种不同的窗口函数）（取自主要FFT周期的统计信息）这是每1024/8000秒）。对于1024个样本，这涵盖了大约两分钟的时间范围。我希望由于打/呼吸与声音/音乐的节奏较慢，我能够看到这种模式（而且它可能也是解决“ 可变性 ”问题的更好方法），但是尽管有提示到处都是模式，没有什么我可以真正锁定的。
（进一步的信息：在某些情况下，信号幅度的FFT会产生一个非常明显的模式，在0.2Hz处有一个很强的峰值，并产生阶跃谐波。可能有某种方法可以计算品质因数的相关值，但似乎需要对约4阶多项式进行曲线拟合，而在手机中每秒进行一次拟合似乎是不切实际的。）
我还尝试对将频谱划分为5个单独的“频段”进行相同的平均幅度FFT。波段是4000-2000、2000-1000、1000-500和500-0。前4个频段的模式通常与总体模式相似（尽管没有真正的“突出”频段，并且在较高频段中的信号通常消失得很小），但500-0频段通常只是随机的。
赏金： 鉴于内森（Nathan）是迄今为止最有成效的建议，尽管纳森（Nathan）没有提供任何新的东西，我还是要给予赏金。但是，如果他们提出了一些好主意，我仍然愿意将其奖励给其他人。
