問題描述

通過手機App的錄音功能，獲得用戶一整夜的睡眠音頻，對睡眠音頻進行分割，并對睡眠階段進行判定。
（1）假設條件一：用戶在相對安靜的環(huán)境下進行睡眠，背景音可能會出現(xiàn)風聲、雨聲、汽車噪音、空調聲音等，背景音微弱；
（2）假設條件二：一個人睡眠，不考慮多人同時睡眠產生的音頻；
（3）睡眠音頻主要分割出鼾聲、夢話及睡眠靜音，手機App只保存鼾聲和夢話音頻片段；
（4）將睡眠階段分為Deep Sleep， Light Sleep， REM Sleep， Awake，并繪制出如下波形圖：

主要方案

目前采用了兩套方案來實現(xiàn)，方案一利用語音分離技術，方案二利用語音編碼技術。

方案一：語音分離技術

（1）對語音進行編碼，目前主流的方法有: frequency-domain（基于頻域的方法） or time-domain（基于時域的方法） methods；
（2）語音分離：構建算法獲取分離的掩碼矩陣（mask）；
（3）對分離后的信息進行反編碼，得到分離后的語音信息。
主流的語音分離技術有：TasNet, TasNet++等網絡。

方案二：語音編碼技術

（1）完成音頻到向量的轉換，1s的音頻轉換為96*64的向量；
（2）進行編碼，目前采用的是VGG網絡，后續(xù)可以嘗試用其它網絡來進行編碼,編碼過后1s的音頻轉為128的向量；
（3）設置3類標簽，0類標簽：鼾聲，1類標簽：夢話(使用Google的’Music’,‘Singing’,‘singing’,‘speech’,'speaking’這5個標簽的數(shù)據作為夢話標簽的訓練集，Google原有100類樣本)，2類標簽：其它(使用Google的其他標簽的數(shù)據作為其他標簽的訓練集)。
（4）鼾聲識別在測試集上有80%正確率（訓練集比例2：1：1，2是鼾聲樣本，1是其他樣本與夢話樣本），夢話識別由于沒有找到合適的數(shù)據集，目前識別效果不好，測試發(fā)現(xiàn)鼾聲樣本識別正確接近百分百，而夢話類與其他類識別準確只有2/3。

面臨的問題

（1）把鼾聲和夢話分離出來后，目前還不知道怎么將睡眠分為如下四個階段：深度睡眠、淺度睡眠、REM期、清醒。我們查閱到REM期（快速動眼期）的定義為：快速眼動睡眠，眼球在此階段時會快速移動。在這個階段，大腦的神經元的活動與清醒的時候相同。多數(shù)在醒來后能夠回憶的栩栩如生的夢都是在REM睡眠發(fā)生的。它是全部睡眠階段中最淺的。但如何利用鼾聲、夢話、靜默階段的統(tǒng)計數(shù)據來將睡眠定義為深度睡眠、淺度睡眠、REM期、清醒沒有思路；
（2）目前的代碼都是基于深度學習框架（如Tensorflow、Pytorch等），這些代碼植入APP會導致安裝包過大。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結

以上是生活随笔為你收集整理的睡眠音频分割及识别问题(一)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。