这是上一个问题的延续。

我正在尝试分析呼吸和打鼾的声音，虽然我现在可以很好地检测到打鼾，但呼吸是一个更大的挑战。

我了解到，如果我将分析的频率范围（大约 4KHz，以大约 8KHz 采样，帧大小为 1024）分成大约 5 个子范围，通常其中一个子范围表现出良好的灵敏度（使用光谱差异）被掩埋在整个范围内的噪音。诀窍是确定何时“信任”哪个子范围。

据推测，“值得信赖”的子范围会以大约 2Hz 和 0.05Hz 之间的速率表现出变化，而“坏”的子范围会表现得更加随机，它们的大部分变化都在较短的间隔内。

我可以拼凑某种算法以亚秒级分辨率平滑值，然后计算更长间隔内的可变性，但我想知道是否没有针对这类事情的“罐装”算法——可能有背后有一点理论吗？

有什么建议？

[注：我意识到理论上可以使用 FFT 来提取此信息，但这似乎是使用棒球棒杀死跳蚤。也许更轻量级的东西？]

添加：

在某种意义上（打个比方）我试图在射频传输中检测“基带”信号（只有“射频”是音频，“基带”低于 8Hz）。而且，从某种意义上说，“RF”是“扩频”——​​我想要检测的声音往往会产生大量的谐波和/或有几个单独的频率分量，所以如果频谱的一个频段太嘈杂，我可以可能会利用另一个。目标是基本上确定一些类似于各种频带的 SNR 的度量，假设大多数“噪声”> 2Hz 并且我的信号小于 2Hz。

我将每个频段的原始幅度（所有包含频率的 FFT 幅度之和）作为该算法的输入，以 8Hz 间隔测量。

（应该注意的是，虽然我没有进行任何正式的 SNR 测量，但经过处理的频谱的整体 SNR 似乎经常接近或低于 1.0——如果您在 Audacity 等工具中目视观察声音包络，则无需调制包络很明显（即使耳朵可以清楚地辨别呼吸音）。这就是为什么有必要分析频带以找到具有良好 SNR 的频带。）