Το ροχαλητό είναι μία κοινή διαταραχή που επηρεάζει το 20-40% του συνολικού πληθυσμού. Ο μηχανισμός του ροχαλητού είναι στην ουσία η δόνηση ανατομικών δομών στον φαρυγγικό αεραγωγό. Η παλμική κίνηση της μαλθακής υπερώας ευθύνεται για τον δυνατό ήχο του ροχαλητού. Η αντικειμενική εκτίμηση του ροχαλητού είναι πολύ σημαντική, καθώς το ροχαλητό φέρει πληροφορία που σχετίζεται με τη θέση και το βαθμό της απόφραξης στο άνω αναπνευστικό σύστημα. Όπως η ομιλία, έτσι και το ροχαλητό παράγεται στη φωνητική κοιλότητα. Λόγω αυτής της αναλογίας, οι υπάρχουσες τεχνικές ανάλυσης της ομιλίας εφαρμόζονται στην εκτίμηση – αξιολόγηση του ροχαλητού. Οι τεχνικές ανίχνευσης-εκτίμησης περιλαμβάνουν στις περισσότερες των περιπτώσεων ολονύχτια εγγραφή των ήχων του ύπνου και ,στη συνέχεια, επεξεργασία αυτών των δεδομένων. Η ταξινόμηση γίνεται βάσει συγκεκριμένων κριτηρίων, όπως η ενέργεια, η φασματική κατανομή της ενέργειας ή άλλες παράμετροι που ορίζουν τα αντίστοιχα μαθηματικά μοντέλα που χρησιμοποιούνται. Στην εργασία αυτή, παρουσιάζουμε ένα διαφορετικό μηχανισμό ανίχνευσης του ροχαλητού. Με τις δυνατότητες που μας δίνει η χρήση ενσωματωμένων συστημάτων και μικροελεγκτών στην επεξεργασία σήματος, παρουσιάζουμε έναν τρόπο ανίχνευσης ροχαλητού με βάση την ενέργεια του σήματος. Για το σκοπό αυτό, χρησιμοποιούμε το περιβάλλον μVision της Keil, το οποίο μας παρέχει τη δυνατότητα εξομοίωσης του μικροελεγκτή ADuC7026, έχοντας στη διάθεσή μας μηδενικό Hardware. Έτσι, προγραμματίζουμε το μικροελεγκτή σε γλώσσα C για το πώς θα επεξεργάζεται τα αναλογικά σήματα εισόδου. Στη συνέχεια, ασχολούμαστε με πραγματικό υλικό, δηλαδή με την αναπτυξιακή πλακέτα της Olimex, η οποία έχει ενσωματωμένο και το μικροελεγκτή μας, λαμβάνοντας έτσι πραγματικά πλέον δεδομένα. / Snoring is a prevalent disorder affecting 20-40% of the general population. The mechanism of snoring is vibration of anatomical structure in the pharyngeal airway. Flutter of the soft palate accounts for the harsh aspect of the snoring sound. Objective assessment of snoring is very important, as snoring carries information relating to the site and the degree of obstruction of the upper airway. Similarly to speech, snoring is produced in the vocal tract. Because of this analogy, existing techniques for speech analysis have been applied to evaluate snoring sounds. The techniques of snoring detection and assessment use all night recording of sleep sounds, and processing of the extracted data. The classification is being conducted with specific criteria, such as energy or spectral energy distribution or other features that depend on the used mathematical method. In this thesis, we present a different mechanism of snoring detection. With the beneficial use of embedded systems and microcontrollers for signal processing, we present a method of snoring detection based on the signal energy. For this purpose, we use the uVision compiler, which provides full simulation of the microcontroller without any hardware. Therefore, we build a program in C language for the microcontroller to process the input analog signals. Subsequently, we load the program to the development board of Olimex, where has embedded the microcontroller we are interested to, and finally we receive real-time data.