如何实现对麦克风录制的鼾声相关信号进行自动检测与分类对基于声学信号处理手段来诊断睡眠呼吸暂停/低通气综合症人群的鼾声来源和上气道阻塞部位显得尤为重要。尤其对于医生和相关科研人员后续的数据库建立和深入研究，自动检测和分类的智能软件处理系统能够有效地提升工作效率。现代信号处理的范围，已从经典的滤波与频谱分析发展到包括机器学习与智能信息处理。因此，传统信号处理算法与模式识别领域的机器学习手段相结合，为实现鼾声相关信号的自动检测与分类提供了重要的理论支撑与基础。本论文提出的算法与实现手段同样可以被应用于其他领域如智慧家庭声学应用、智能语音控制系统、乐器音质识别等领域。　　本文讨论的是如何搭建一个软件处理系统，能够自动地完成对鼾声相关信号的检测与分类，从而为相关医务人员后续建立数据库和深入研究提供便利。本文的主要工作是提出了一个用于鼾声信号数据自动检测与分类的方法，并利用实测数据对所提出的方法进行了验证;本文将传统的信号检测与估计理论中的虚警率与漏警率的概念应用于鼾声相关信号的检测当中，实测数据验证的效果较好。此外，我们还对鼾声信号的各类声学特征进行了提取并作了比较。特征提取之后，我们对特征进行了选取，利用相关算法减少特征的维度，从而便于后续的机器学习。接着，我们利用交叉验证法训练出识别率最高的分类器。最后我们将训练好的分类器嵌入自动检测的软件流程里，从而完成对鼾声信号数据可以自动检测与分类的处理平台。实验和主观评价测试都反映了我们提出方法的可行性。同时，我们还利用论文所研究的算法系统框架对如何自动检测与分类吸气相关鼾声信号与非吸气相关鼾声信号进行了研究。理论分析与验证实验均验证了论文研究的方法的有效性。