2.1.3 鼾声检测 自进入21世纪以来，鼾声检测方向的研究较之以前出现了小幅增长，涌现了一批检测算法，这些算法可分为有监督和无监督两类。有监督算法中[5-17]，早期，文献[15]将鼾声分为起始、中间与结束3个状态，试图通过对鼾声事件使用隐马尔科夫模型进行建模的方式实现检测的目的，但是由于鼾声的多样性，该类建模方法并没能取得较好的应用。更多的研究使用的是基于分类的方法，K-近邻(KNN)算法[9]、支持向量机(SVM)[17]、高斯混合模型(GMM)[7]、线性回归[6]、逻辑斯蒂回归[11]等分类算法均有应用，除了单独的分类器之外，文献[8]使用集合多个分类器的集成学习分类器Adaboost应用在鼾声检测的任务中。无监督算法主要是以聚类算法为主[3-4]，分别通过Fuzzy c-means与k-means 2种聚类算法来实现鼾声检测。然而基于上述聚类算法和分类算法的鼾声检测算法，一定程度上实现了相关功能，但是效果不尽如人意，究其原因主要是因为鼾声信号的高度非线性与多样性 ......