工作原理与算法

声音经过设备端特征提取与服务端质量校验,再整理成可回看的鼾声观察记录。参赛样机的自动提醒关闭,手动试振可现场演示。

床头主机采集

以 16 kHz 采样,每秒提取频带能量、相对音量和周期性。V9 的两只麦克风朝向靠枕侧。

先校验,再分级

检查时间、覆盖、削波、自噪和数据缺口。连续收到 30 个有效的一秒窗口后,规则根据命中数量给出 S0 到 S3。

记录与设备控制

小程序展示记录和回读。自动提醒设计需满足用户许可、次数和时长限制、冷却时间与停止保护。

试试连续窗口判级

切换模拟输入,查看同一套观察规则怎样处理有效窗口和中途缺口。

数据与提醒权限

  • 观察链路默认传结构化声学特征。其他音频或数据采集按小程序授权与功能说明执行。
  • 数据质量不足或存在缺口时,观察状态显示「未知」。
  • 灯光和声音是否参与自动提醒,由用户偏好决定。参赛演示中的自动输出关闭。

端侧模型研究

量化鼾声分类模型按一秒窗口做了留出集、跨来源数据和双麦方向仿真。以下数字来自 v1.4 路演的研究记录,样机实际能力以当前验证状态为准。

验证结果范围
一秒鼾声召回同来源 96.3%,换来源分别为 18.7% 与 12.0%实验数据集,跨来源落差仍大
连续片段确认约 4% 至 29%合成夜间录音,随信噪比变化
双麦方向判对左右 66%,约 32% 判为未知1.5 m、鼾声与背景等响的仿真

研究模型尚未接入参赛固件,自动闭环、卧室检出和打扰程度待实测。S0 至 S3 是工程观察标签。