打鼾是一种十分普遍的现象,大约有20%～40%的人群患有打鼾症状。打鼾不仅困扰患者、影响同伴,还会对患者健康造成威胁。阻塞性睡眠呼吸暂停综合症就是一种伴有打鼾的呼吸疾病,它会导致患者白天的嗜睡和疲劳,也是心血管疾病的一个诱因。目前诊断和评估打鼾的主要技术手段是多导睡眠图,但是它需要患者整夜待在睡眠实验室中并连接大量的生理电极。由于具有非侵入式、廉价易用的特点,鼾声信号的声学分析方法已引起广泛关注和研究,并表现出极大的潜力。患者整夜鼾声音频记录持续时间较长,而且会伴有其他非鼾声信号,因此有必要进行快速准确的鼾声信号自动检测。对鼾声信号的分析研究,也可为临床实践提供相关依据。本文提出一种自适应的无监督的鼾声信号检测算法。算法分为声音事件的端点检测和将声音事件区分为鼾声非鼾声两个步骤。纵向盒算法是一种快速变点检测算法,本文对其进行相应改进,提出自适应纵向盒算法以进行鼾声音频记录中声音事件的端点检测。然后提取声音事件的Mel频率倒谱系数特征,并进行K-调和均值聚类,将声音事件中的鼾声检测出来。实验结果表明这种新的鼾声信号检测算法具有优良的性能。本文提出一种基于声学特征的整夜鼾声分布情况的分析算法。本文用共振峰特征描述打鼾时的声道特性,借以研究鼾声在整夜中的分布变化情况。首先检测出整夜鼾声音频记录中的鼾声事件,然后将所有的鼾声事件表征为共振峰集,最后依据共振峰特征对鼾声事件进行K-中心点聚类,并对K-中心点算法做了一定的改进以优化聚类效果。实验结果给出了患者睡眠时的打鼾分布情况,整夜鼾声大致可以分为三个类别。