论文
Embedded System for Early Sleep Apnea Detection Based on Mel-Frequency Cepstral Coefficient (MFCC) and Deep Learning Technique
2025 9th International Conference on Instrumentation, Control, and Automation (ICA)
我的贡献
Early Sleep Apnea Detection
我的工作从系统概念设计阶段开始，具体涉及将机器学习与嵌入式系统相结合，用于睡眠呼吸暂停的早期检测。我参与了从Kaggle上搜寻和评估打鼾数据集的工作，这些数据集被用作训练打鼾声音分类模型的基础。此外，在将数据输入机器学习模型之前，我还负责数据预处理和特征提取，并采用MFCC作为声音特征的表示方法。
在嵌入式系统方面，我参与了硬件架构设计、传感器选型、设备组装，以及基于ESP32的固件开发，以实现从系统中使用的健康传感器采集和收集数据。我还协助完成了嵌入式设备与主处理系统之间的数据通信集成。
在机器学习部分，我参与了多个分类模型（即卷积神经网络（CNN）、随机森林和支持向量机（SVM））的实验与评估。具体而言，我对SVM模型进行了训练和超参数调优，以寻找性能最佳的配置。此外，我还参与了实验结果的分析以及各模型性能的比较。