很有意思的命題，本質上仍然是經典的分類問題，設計方案借鑒一般的模式識別問題解決方案。

1. 鼾聲數據的獲取，盡可能的豐富，可能要費點功夫（亦或導師提供？很想知道你們如何區分是正?；虿徽ｗ暎?。
2. 生成特征，聲音的相關特征量是必須的了，除此還可以考慮年齡、性別、體質、區域、氣候等等。
3. 提取選擇特征，根據實際情況決定是否需要，本質上是特征矩陣的降維，降低樣本的依賴性，提高分類效果。
4. 分類器設計，常見有Bayes決策、SVM、神經網絡、決策樹、Boosting等方法。

我的經驗是算法性能嚴重依賴于特征，好的特征一般的分類器就能滿足我們的需求；反之，再好的分類器也無能為力。

我說點實際的建議：

首先要獲得特征

1. 鼾聲的長度，和節奏

2. 數字列表一段鼾聲的傅立葉分析（也就是頻譜）

3. 數字列表既然有智能手機，還可以獲取從加速度儀獲得的振動信息

然后進行歸類

1. 先分成實驗組和對照組，進行數據采集

2. 進行歸類時，一定要留出10%的樣本作為測試

其他建議

1. 一定要對于數據進行處理找到比較明顯的特征

2. 用手機采集，數據用Matlab等工具進行處理，爭取可視化，因為人腦還是比電腦更換的分類器，最后將完成的算法用于手機

3. 可以當鬧鈴使——當人在潛層睡眠時打開鬧鈴，而不是不論睡眠情況如何，都定點打開鬧鈴