Die vorliegende Erfindung betrifft ein Klassifikationssystem (1) zu einer mikroprozessorgestützten Erkennung von Obstruktionsarten (01-04) bei einer Schlafapnoe durch entsprechende Klassifikation eines zu untersuchenden Schnarchgeräuschsignals (Au), umfassend:a) eine Eingangsschnittstelle für das jeweilige Schnarchgeräuschsignal (Au)；b) einen ersten Klassifikator (K1), der so trainierbar ist, dass er zu einem jeweiligen Schnarchgeräuschsignal (Au) die jeweils wahrscheinlichste Schnarchgeräuschentstehungsart (S1-S4) erkennt und ausgibt；c) einen zweiten Klassifikator (K2), der so trainierbar ist, dass er zu einem jeweiligen Schnarchgeräuschsignal (Au) die jeweils wahrscheinlichste Mundstellung (M1-M2) erkennt und ausgibt；d) einen dritten Klassifikator (K3) oder eine Verknüpfungsmatrix, der/die so ausgebildet ist, aus dem zu untersuchenden Schnarchgeräuschsignals (Au) bestimmten Schnarchgeräuschentstehungsart (S1-S4) und der dazu bestimmten Mundstellung (M1-M2) die wahrscheinlichste Obstruktionsart (01-04) zu erkennen und auszugeben.The present invention relates to a classification system (1) for a microprocessor-based detection of types of obstruction (01-04) in sleep apnea by appropriate classification of a snoring noise signal (Au) to be examined, comprising: a) an input interface for the respective snoring noise signal (Au)； b) a first classifier (K1) which can be trained in such a way that it recognizes and outputs the most likely snoring noise generation type (S1-S4) for a respective snoring noise signal (Au)； c) a second classifier (K2) which can be trained in such a way that it detects and outputs the most likely mouth position (M1-M2) for a respective snoring noise signal (Au)； d) a third classifier (K3) or a linking matrix which is designed to determine the type of snoring noise generation from the snoring noise signal (Au) to be examined ( S1-S4) and the specific mouth position (M1-M2) the most likely fruit uction type (01-04) to be recognized and output.
