简介

本次我们对自己采集的93条Snoring音频进行测试并分析。

不区分音频质量的测试。

分别测试了$N$取1-5、8以及10时候的准确率，测试结果如下所示：

N	2	3	4	5	8	10
Accuracy	0.2796	0.4731	0.4946	0.4946	0.5484	0.5699

分析：从上表中可以得出，增大$N$的值可以增加识别准确率，当$N$取10时，准确率依然没有超过60%。
准确率不高的原因可能是数据太少或者音频质量问题。

区分音频质量的测试

我们对93条音频进行人为的筛选，把认为质量高的音频划为一类，质量低的划为一类，最终质量较高的音频有58条，质量较低的有35条，分别对两类音频进行$N$=10的测试，测试结果如下：

音频质量	Accuracy
High	0.7241
Low	0.3142

从上表中可以得出，在对音频进行质量筛选之后，识别准确率明显上升。
人为的对音频进行质量划分，因为受到判断标准、听力混乱等各种因素的制约，导致划分出来的音频不一定非常准确。
从实验结果可以看出，提高采集音频的质量，可以提高识别准确率。
也就是说，下一步工作有两方面需要考虑：

(1). 如何采集睡眠声音使得音频质量更好？
(2). 在现有采集条件不变的情况，进行文献调研，看如何提高现有音频的质量？（如语音降噪、语音增强等技术）