买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江麒盛数据服务有限公司申请的专利一种基于非接触式传感器的鼾声识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119226959B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411747931.8，技术领域涉及：G06F18/2431；该发明授权一种基于非接触式传感器的鼾声识别方法及系统是由李红文;朱震宇;李旭成;邱耀炜;杨晓设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种基于非接触式传感器的鼾声识别方法及系统在说明书摘要公布了：本发明实施例提供一种基于非接触式传感器的鼾声识别方法及系统，所述方法包括：获取非接触传感器采集的振动数据，并对振动数据进行预处理，得到多个时间窗口的振动信号；计算振动信号的时域特征、频域特征、时频特征；并进行弱分类器模型训练，并将弱分类器的预测结果作为输入特征，训练强分类器；采集实时振动信号，将实时振动信号的时域特征、频域特征、时频特征输入弱分类器，得到输出的预测概率值，将预测概率值输入所述强分类器，得到输出的鼾声识别结果；检测鼾声识别结果，基于检测结果，结合预测概率值对鼾声识别结果进行修正，输出修正后的最终鼾声结果。

本发明授权一种基于非接触式传感器的鼾声识别方法及系统在权利要求书中公布了：1.一种基于非接触式传感器的鼾声识别方法，所述方法包括： 获取非接触传感器采集的历史振动数据，并对所述历史振动数据进行预处理，得到多个时间窗口的振动信号； 通过计算得到振动信号的时域特征，并对所述振动信号进行傅里叶变换，得到所述振动信号的频域特征，以及对所述振动信号进行短时傅里叶变换，得到所述振动信号的时频特征； 基于所述时域特征、频域特征、时频特征分别建立对应的数据集，并根据所述数据集进行弱分类器模型训练，并将所述弱分类器的预测结果作为输入特征，训练强分类器； 采集所述非接触传感器的实时振动信号，获取所述实时振动信号的实时时域特征、实时频域特征、实时时频特征，将所述实时时域特征、实时频域特征、实时时频特征输入所述弱分类器，得到输出的预测概率值，将所述预测概率值输入所述强分类器，得到输出的鼾声识别结果； 检测所述鼾声识别结果，基于检测结果，结合所述预测概率值对鼾声识别结果进行修正，输出修正后的最终鼾声结果； 所述基于检测结果，结合所述预测概率值对鼾声识别结果进行修正，包括： 当所述鼾声识别结果为1时，对所述鼾声识别结果进行特异性检测，所述特异性检测包括： 获取特异性阈值，对比所述鼾声识别结果的预测概率与特异性阈值，当所述鼾声识别结果的预测概率小于特异性阈值时，将鼾声识别结果修正为0； 当所述鼾声识别结果为0时，对所述鼾声识别结果进行敏感性检测，所述敏感性检测包括： 获取敏感度阈值，对比所述鼾声识别结果的预测概率与敏感度阈值，当所述鼾声识别结果的预测概率大于敏感度阈值时，将鼾声识别结果修正为1； 获取实时振动信息的原始波形图、呼吸波形图、时频图以及将所述时频图中所有频率幅值求和得到的时频波形图； 所述特异性检测，包括： 计算所述呼吸波形图与时频波形图的相关系数，所述相关系数的计算式包括： 其中，r为相关系数，y为所述时频图中各个点的数值，x为所述呼吸波形图中各个点的数值，表示x的均值，表示y的均值； 比较所述相关系数与特异性阈值，当所述相关系数大于特异性阈值时，不对鼾声识别进行修正，反之，将鼾声识别结果修正为0； 所述敏感性检测，包括： 获取所述原始波形图中的波峰以及波峰左右两侧的波谷，分别计算每个波峰与两侧波谷的斜率绝对值，计算波峰左右两侧的两个斜率绝对值的比值，并判断比值是否处在预设的敏感度区间内； 统计比值在敏感度区间的所有波峰数量，当数量大于敏感度阈值时，将鼾声识别结果修正为1，反之，不对鼾声识别进行修正； 基于三个弱分类器模型和强分类器模型构建两级模型，具体为，所述三个弱分类器模型构建第一级模型，强分类模型构建第二级模型； 所述将所述实时时域特征、实时频域特征、实时时频特征输入所述弱分类器，得到输出的预测概率值，包括： 将时域特征输入第一弱分类器中，输出第一概率； 将第一概率、频域特征输入第二弱分类器中，输出第二概率； 将第一概率、第二概率和时频特征输出第三弱分类器中，输出第三概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江麒盛数据服务有限公司，其通讯地址为：314000 浙江省嘉兴市秀洲区王江泾镇秋茂路158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。