很有意思的命题，本质上仍然是经典的分类问题，设计方案借鉴一般的模式识别问题解决方案。
1. 鼾声数据的获取，尽可能的丰富，可能要费点功夫（亦或导师提供？很想知道你们如何区分是正常或不正常鼾声）。
2. 生成特征，声音的相关特征量是必须的了，除此还可以考虑年龄、性别、体质、区域、气候等等。
3. 提取选择特征，根据实际情况决定是否需要，本质上是特征矩阵的降维，降低样本的依赖性，提高分类效果。
4. 分类器设计，常见有Bayes决策、SVM、神经网络、决策树、Boosting等方法。
我的经验是算法性能严重依赖于特征，好的特征一般的分类器就能满足我们的需求；反之，再好的分类器也无能为力。
如果概率统计、最优化、矩阵论等数学知识非常熟悉的话，算法设计不是问题，具体可以参考以下书籍：
C.M.Bishop, Pattern Recognition and Machine Learning；
R.O.Duda, P.E.Hart & D.G.Stork, Pattern Classification；
边肇祺 & 张学工, 模式识别。
