阻塞性睡眠呼吸暂停低通气综合征（OSAHS）是一种常见的睡眠呼吸疾病,响亮的鼾声是患者最显著的症状。打鼾会诱发一系列心脑血管疾病,同时会影响同室睡眠者的入睡,容易引发人际交往矛盾。当前医学对OSAHS患者通常使用多导睡眠仪（PSG）进行诊断,该方法价格昂贵,并且会对患者造成“侵入式”的不适感。已有研究表明鼾声信号中含有上气道组织振动等相关病理信息,近年来基于声学监测的非接触式鼾声诊断方法成为研究热点之一。由于睡眠体位的改变会影响患者的上气道阻力,进而改变鼾声特性,因此结合不同体位状态进行鼾声特性分析对于OSAHS患者的非接触式病理诊断研究具有较为重要的意义。考虑到患者在仰卧状态下鼾声发作率最高,本文依托国家自然科学基金面上项目（61271410）,基于麦克风阵列重点对仰卧体位下的鼾声特性进行了研究。首先针对患者体位判别问题,提出了基于最小二乘的阵元间互相关函数作为鼾声的空间特征,采用K-means无监督聚类方法实现了对患者仰卧与非仰卧体位的判别,准确率达到90%,并且对两种体位下的鼾声空间特征进行了分析。其次针对吸气与呼气过程中气管形态改变,所携带的病理信息也不同的现象,研究了一种基于多声学特征融合的鼾声分类方法,对仰卧体位下睡眠鼾声提取波形类、频率类、能量类、共振峰类声学特征,将所有特征通过Relief算法进行融合选择,使用孪生支持向量机（TWSVM）将仰卧体位下的鼾声分为吸气鼾与呼气鼾两类,融合特征分类准确率可以达到92.4%,远优于单个特征分类能力。最后针对病房整夜的睡眠鼾声数据进行实验验证,实现了整夜睡眠体位判别与仰卧体位下的鼾声分类,同时对整夜仰卧鼾声数据进行了特性研究,发现在不同睡眠阶段仰卧体位下吸气鼾的频率类特征存在明显变化。本文工作为进一步深入研究体位—鼾声特性模型奠定了基础,具有良好的医学价值和社会效益。