请问一下可能会牵涉到哪些方面的技术，有没有有类似经验的朋友。

Question

教授一时兴起，突然让我研究一下鼾声，用智能手机采集鼾声，然后分析鼾声，区分出正常鼾声和危险鼾声，我猜想可能会用到一些模式识别之类的知识

Answer 1

很有意思的命题，本质上仍然是经典的分类问题，设计方案借鉴一般的模式识别问题解决方案。

1. 鼾声数据的获取，尽可能的丰富，可能要费点功夫（亦或导师提供？很想知道你们如何区分是正常或不正常鼾声）。
2. 生成特征，声音的相关特征量是必须的了，除此还可以考虑年龄、性别、体质、区域、气候等等。
3. 提取选择特征，根据实际情况决定是否需要，本质上是特征矩阵的降维，降低样本的依赖性，提高分类效果。
4. 分类器设计，常见有Bayes决策、SVM、神经网络、决策树、Boosting等方法。

我的经验是算法性能严重依赖于特征，好的特征一般的分类器就能满足我们的需求；反之，再好的分类器也无能为力。

Answer 2

我说点实际的建议：

首先要获得特征

1. 鼾声的长度，和节奏

2. 数字列表一段鼾声的傅立叶分析（也就是频谱）

3. 数字列表既然有智能手机，还可以获取从加速度仪获得的振动信息

然后进行归类

1. 先分成实验组和对照组，进行数据采集

2. 进行归类时，一定要留出10%的样本作为测试

其他建议

1. 一定要对于数据进行处理找到比较明显的特征

2. 用手机采集，数据用Matlab等工具进行处理，争取可视化，因为人脑还是比电脑更换的分类器，最后将完成的算法用于手机

3. 可以当闹铃使——当人在潜层睡眠时打开闹铃，而不是不论睡眠情况如何，都定点打开闹铃