Contexto: estoy trabajando en una aplicación que "escucha" de la respiración/ronquidos y "diagnósticos" apnea tomando nota de las pausas entre respiraciones. Para la mayor parte, esto funciona bien, pero es (más bien mucho) difícil, en la aplicación, para distinguir los ronquidos/respiración de hablar/de la música (como en la TV jugando en la habitación). He bastante bien agotado técnicas de procesamiento de señales para distinguir esto, así que estoy tratando a algunos estadísticos básicos de las medidas.
Me parece que, simplemente, tomar la desviación estándar normalizada de la respiración/roncar intervalo es bastante efectivo (valores por debajo de aproximadamente 0.35 son "buenas"), pero me pregunto si no podría ser de otra medida de la variación, aparte de la desviación estándar, que podría producir mejores resultados (una nítida línea divisoria). Básicamente, quiero distinguir "roncar, el roncar, el roncar, pausa, ronca" de una cadena aleatoria de intervalos con la misma media (tal como se obtendría con la voz), teniendo en cuenta que el ronquido/respiración no es exactamente el de un reloj ordinario.
Entonces, ¿qué otras (bastante simple) medidas de la variación en un tren de los números hay?
Actualización: Se me ocurre que una medida de la asimetría podría ser útil aquí. Música/voz es de suponer que tienden a tener menos sesgo de la respiración/ronquidos. ¿Cómo se mide la asimetría (en particular con algún tipo de media móvil)?
Actualización 2: he colocado algunos intervalo de ejemplo se enumeran en Dropbox:
- Voz: http://dl.dropbox.com/u/72976325/intervalData_holm.csv
- Música: http://dl.dropbox.com/u/72976325/intervalData_epica.csv
- Los ronquidos de la muestra #1: http://dl.dropbox.com/u/72976325/intervalData_P1005.csv
- Los ronquidos de la muestra #2: http://dl.dropbox.com/u/72976325/intervalData_P1009.csv
