專利名稱：一種咳嗽自動識別方法及裝置的制作方法
技術領域：
本發明屬于聲音處理技術領域，特別涉及一種咳嗽自動識別方法及裝置。
背景技術：
慢性咳嗽是原因未明的、咳嗽為惟一癥狀或主要癥狀、時間超過8周、胸部X線檢 查無明顯異常者。嗜酸細胞性支氣管炎是慢性咳嗽的首位原因(22%)，其他常見病因包 括鼻后滴漏綜合征(17%)、咳嗽變異型哮喘(14%)、胃食管反流性咳嗽(12%)等)。要明 確慢性咳嗽的診斷，需要有肺功能儀、誘導痰細胞分類檢查和食道PH值監測等技術，目前 大多數醫院不具備這些條件，慢性咳嗽患者得不到及時的診治；同時，咳嗽發作的特點(包 括頻率和強度的動態變化)和誘因跟天氣、環境、飲食和睡眠狀態等有很大的關系，若能找 出咳嗽發作與天氣、環境、飲食和睡眠狀態的關系，可有助于了解慢性咳嗽的病因；但是，大 多數患者不能準確、客觀地描述咳嗽發作的特點，而現有的技術中，也沒有相關技術或設備 能夠獲取準確、客觀地描述咳嗽發作的特點，因此常常會導致因就診醫生對咳嗽發作病因 得不到有效的信息而影響對病人的及時診治。
發明內容
本發明的首要目的在于克服上述現有技術的缺點與不足，提供一種可通過聲音進 行病人咳嗽信號處理，并能準確地獲取咳嗽信號，且能對咳嗽信號進行統計的咳嗽自動識 別方法本發明的另一目的還在于提供實現上述方法的咳嗽自動識別裝置。為達上述目的，本發明采用如下的技術方案一種咳嗽自動識別方法，具體包括如下步驟(1)聲音輸入裝置測量聲壓變化，并通過編碼器將測量結果轉為PCM格式的語音 信號，存入SD卡；(2)端點檢測單元對所述步驟(1)中的PCM格式的語音信號進行端點檢測，剔除非 咳嗽信號，其余信號作為候選咳嗽信號；(3)特征提取單元對候選咳嗽信號按幀提取特征，將其轉換為特征向量序列；所 述特征向量序列優選為一 39維的倒頻譜向量序列；具體地說，特征提取單元將所述步驟(2)分幀后的候選咳嗽信號經過一組26通道 的Mel頻率濾波器對進行處理，得到一個12維的MFCC參數(Mel頻率倒譜系數)，再加上短 時能量作為附加參數，構成13維向量；同時，為描述信號幀之間的相關性和咳嗽的動態特 征，引入一、二階差分，形成一 39維的特征向量序列。由于各次咳嗽持續時間不同，因此，候選咳嗽信號最終按幀轉換為特征向量序列， 例如持續時間為η幀的候選咳嗽序列對應為η列維數為39的特征向量序列；(4)識別單元根據步驟(3)所提取的特征向量序列訓練隱馬爾可夫模型，對候選 咳嗽信號進行識別，判斷是否為咳嗽信號；
(5)對一定時間段內所述步驟⑷咳嗽識別所得的咳嗽信號進行統計。所述步驟(2)中的端點檢測，包括如下步驟(2-1)將步驟(1)的PCM格式的語音信號進行分幀；(2-2)采用哈明窗對所述步驟(2-1)所得的每一幀信號進行加窗處理， 并計算該幀內的短時過零率，構成候選過零率閾值集合；所述短時過零率滿足
式的語音信號，《(.)和sgn[x]分別為是哈明窗函數和符號函數，N = 512;(2-3)確定過零率閾值；(2-4)識別候選咳嗽信號與非咳嗽信號，若短時過零率大于過零率閾值，則該幀被 視為候選咳嗽信號，否則被視為非咳嗽信號而置零剔除；(2-5)若持續數幀滿足短時過零率大于過零率閾值，則將這些幀合并為一段聲音 信號，作為候選咳嗽信號，記錄其起始點和終止點。所述步驟(2-1)的分幀步驟為以幀為單位讀取PCM格式的語音信號，在取數據 時，前一幀和后一幀的交疊部分為幀移。幀長取32ms，即對應512個采樣值；所述幀移為8ms，即對應128個采樣值。所述步驟(2-3)中的過零率閾值的確定步驟為(2-3-1)將所述步驟(2-2)獲得的短時過零率按從小到大的順序重新排列，記為
l.Zij Z2 …,Ζκ}；(2-3-2)確定期望端點檢測誤判率，在所述步驟(2-3-1)選取相應的短時過零率 作為過零率閾值，所述過零率閾值在步驟(2-3-1)所得集合{Z1; Z2,…，Ζκ}的排列序號滿 足h = int( ε XK)，其中，ε為期望端點檢測誤判率，K為集合{Ζ1;Ζ2，…，Ζκ}的元素個數；h為過零 率閾值在{Z1;Z2，…，ζκ}的排列序號。所述步驟(4)中對候選咳嗽信號進行咳嗽識別的具體步驟為(4-1)對幀數為N的候選咳嗽信號，若N= 1，則候選咳嗽信號的相似度值為零；若 N = 2，則取1 2幀信號的特征向量，再補一幀維數為13的零向量作為第3幀的特征向量， 利用訓練好的隱馬爾可夫模型進行識別，識別結果作為候選咳嗽信號的相似度；若N > 2， 則重復進行Ν-2次識別，其中第i次識別取i i+2幀的特征向量，利用訓練好的隱馬爾可 夫模型進行識別，識別結果記為Pi ；最后取P = max{Pl, p2,…，pN_2}作為候選咳嗽信號的 相似度；(4-2)確定相似度閾值；(4-3)對每一幀的候選咳嗽信號進行識別，若該幀的相似度大于相似度閾值，則該 段候選咳嗽信號為咳嗽信號，否則為非咳嗽信號。所述步驟(4-2)中的相似度閾值的確定步驟為(4-2-1)將所述步驟(4-1)獲得的相似度按從小到大的順序重新排列，記為{ λ λ 2'…，λΜ}；(4-2-2)確定期望識別誤判率，在所述步驟(4-2-1)選取相應的相似度作為相似 度閾值，所述相似度閾值在步驟(4-2-1)所得集合{λ” λ2，…，λΜ}的排列序號滿足1=int( ξ ΧΜ)；其中，ξ為期望識別誤判率，M為集合U1, λ 2，…，λ J的元素個數；1為相似度 閾值在I^1, λ2，…，λ J的排列序號。所述步驟(5)具體為每半小時統計一次咳嗽強度，并以加窗信號的絕對值作為 信號強度，以每半小時內所有咳嗽信號的幀的信號強度均值作為該時段咳嗽強度。實現上述方法的咳嗽自動識別裝置，包括用于輸入聲音并測量聲壓變化，將測量結果轉化為PCM格式的語音信號的聲音輸 入裝置；用于對PCM格式的語音信號進行端點檢測、特征提取和咳嗽識別的識別器；用于存儲語音信號的SD卡；用于顯示聲音輸入、識別狀態及識別結果的顯示裝置；一組用于控制聲音輸入和咳嗽識別的按鈕；所述聲音輸入裝置、SD卡、顯示裝置、按鈕均分別與識別器連接。所述聲音輸入裝置包括麥克風和用于將輸入的聲音轉化為PCM格式的語音信號 的編碼器，所述麥克風與編碼器連接，所述編碼器與識別器連接；所述按鈕包括用于對輸入的聲音進行錄音并將其保存至SD卡的錄音按鈕以及用 于啟動咳嗽識別分析的分析按鈕；所述錄音按鈕和分析按鈕均與識別器連接；所述識別器由依次連接的處理器、隨機存取存儲器和可擦除可編程存儲器構成， 其中處理器包括用于實現端點檢測的端點檢測單元、用于提取特征向量序列的特征提取單 元以及用于利用所提取的特征向量序列實現咳嗽識別的識別單元；所述端點檢測單元、特 征提取單元和識別單元依次連接，且均與分析按鈕連接；分析按鈕按下，所述端點檢測單 元、特征提取單元和識別單元依次運行；所述特征提取單元中設有由一組26通道、具有32ms窗口及預修正系數為0. 97的 Mel頻率濾波器構成的濾波器組；PCM格式的語音信號經特征提取單元中的濾波器處理，其 濾波結果加上短時能量共得到13維參數；同時，為描述信號幀之間的相關性和咳嗽的動態 特征，引入一、二階差分，最終形成一 39維的特征向量序列；所述顯示裝置為顯示屏。本發明可通過實時記錄和自動識別咳嗽聲音，結合患者的生活日記，將能了解咳 嗽發作的特點和誘因及其與天氣、環境、飲食和睡眠狀態的關系，有利于就診醫生的及時診 治。與現有技術相比，本發明具有如下優點和有益效果1、本發明可對病人咳嗽信號的實時記錄和自動識別，提供咳嗽頻率和強度的動態 變化特點，有利于醫生了解咳嗽發作與環境、天氣、飲食和睡眠等因素的關系，可使得咳嗽 病人得到及時的治療。2、本發明可對病人咳嗽信號進行統計，并能通過顯示屏進行顯示，具有人性化、統 計準確等優點。
圖1是本發明方法的流程示意圖。
圖2是本發明裝置的結構示意圖。
具體實施例方式下面結合實施例及附圖對本發明作進一步詳細的描述，但本發明的實施方式不限 于此。實施例如圖1所示，本咳嗽自動識別方法，包括如下步驟(1)聲音輸入裝置測量聲壓變化，并通過編碼器將測量結果轉為PCM格式的語音 信號，存入SD卡；(2)端點檢測單元對所述步驟(1)中的PCM格式的語音信號進行端點檢測，剔除非 咳嗽信號，其余信號作為候選咳嗽信號；(3)特征提取單元對候選咳嗽信號按幀提取特征，將其轉換為特征向量序列；所 述特征向量序列為一 39維的倒頻譜向量序列具體地說，特征提取單元將所述步驟(2)分幀后的候選咳嗽信號經過一組26通道 的Mel頻率濾波器對進行處理，得到一個12維的MFCC參數，再加上短時能量作為附加參 數，構成13維的向量；同時，為描述信號幀之間的相關性和咳嗽的動態特征，引入一、二階 差分，形成一 39維的特征向量序列。由于各次咳嗽持續時間不同，因此，候選咳嗽信號最終按幀轉換為特征向量序列， 例如持續時間為η幀的候選咳嗽序列對應為η列維數為39的特征向量序列；(4)識別單元根據步驟(3)所提取的特征向量序列訓練隱馬爾可夫模型，對候選 咳嗽信號進行識別，判斷是否為咳嗽信號；(5)對一定時間段內所述步驟(4)咳嗽識別所得的咳嗽信號進行統計。所述步驟(2)中的端點檢測，包括如下步驟(2-1)將步驟⑴的PCM格式的語音信號進行分幀；(2-2)采用哈明窗對所述步驟(2-1)所得的每一幀信號進行加窗處理， 并計算該幀內的短時過零率，構成候選過零率閾值集合；所述短時過零率滿足
Ζ = Σι Sgn[x(n)]-sgn[x( -1)]| w{n-m)其中，Zn 為短時過零率，χ (.)為輸入的 PCM 格式
m=rt-N+\9
的語音信號，W(.)和Sgn[x]分別為是哈明窗函數和符號函數，N = 512;(2-3)確定過零率閾值；(2-4)識別候選咳嗽信號與非咳嗽信號，若短時過零率大于過零率閾值，則該幀被 視為候選咳嗽信號，否則被視為非咳嗽信號而置零剔除；(2-5)若持續數幀滿足短時過零率大于過零率閾值，則將這些幀合并為一段聲音 信號，作為候選咳嗽信號，記錄其起始點和終止點。所述步驟(2-1)的分幀步驟為以幀為單位讀取PCM格式的語音信號，在取數據 時，前一幀和后一幀的交疊部分為幀移。幀長取32ms，即對應512個采樣值；所述幀移為8ms，即對應128個采樣值。所述步驟(2-3)中的過零率閾值的確定步驟為(2-3-1)將所述步驟(2-2)獲得的短時過零率按從小到大的順序重新排列，記為l.Zij Z2 …,Ζκ}；(2-3-2)確定期望端點檢測誤判率，在所述步驟(2-3-1)選取相應的短時過零率 作為過零率閾值，所述過零率閾值在步驟(2-3-1)所得集合{Z1; Z2,…，Ζκ}的排列序號滿 足h = int( ε XK)，其中，ε為期望端點檢測誤判率，K為集合{Z1; Z2,…，Ζκ}的元素個數；h為過零 率閾值在{Z1;Z2，…，ζκ}的排列序號。所述步驟(4)中對候選咳嗽信號進行咳嗽識別的具體步驟為(4-1)對幀數為N的候選咳嗽信號，若N= 1，則候選咳嗽信號的相似度值為零；若 N = 2，則取1 2幀信號的特征向量，再補一幀維數為13的零向量作為第3幀的特征向量， 利用訓練好的隱馬爾可夫模型進行識別，識別結果作為候選咳嗽信號的相似度；若N > 2， 則重復進行Ν-2次識別，其中第i次識別取i i+2幀的特征向量，利用訓練好的隱馬爾可 夫模型進行識別，識別結果記為Pi ；最后取P = max{Pl, o2,…，pN_2}作為候選咳嗽信號的 相似度；(4-2)確定相似度閾值；(4-3)對每一幀的候選咳嗽信號進行識別，若該幀的相似度大于相似度閾值，則該 段候選咳嗽信號為咳嗽信號，否則為非咳嗽信號。所述步驟(4-2)中的相似度閾值的確定步驟為(4-2-1)將所述步驟(4-1)獲得的相似度按從小到大的順序重新排列，記為{入” λ 2'…，λΜ}；(4-2-2)確定期望識別誤判率，在所述步驟(4-2-1)選取相應的相似度作為相似 度閾值，所述相似度閾值在步驟(4-2-1)所得集合{λ” λ2，…，λΜ}的排列序號滿足1 =int( ξ ΧΜ)；其中，ξ為期望識別誤判率，M為集合U1, λ 2，…，λ J的元素個數；1為相似度 閾值在I^1, λ2，…，λ J的排列序號。所述步驟(5)具體為每半小時統計一次咳嗽強度，并以加窗信號的絕對值作為 信號強度，以每半小時內所有咳嗽信號的幀的信號強度均值作為該時段咳嗽強度。如圖2所示，實現上述方法的咳嗽自動識別裝置，包括用于輸入聲音并測量聲壓變化，將測量結果轉化為PCM格式的語音信號的聲音輸 入裝置；用于對PCM格式的語音信號進行端點檢測、特征提取和咳嗽識別的識別器14 ；用于存儲語音信號的SD卡13 ；用于顯示聲音輸入、識別狀態及識別結果的顯示裝置；一組用于控制聲音輸入和咳嗽識別的按鈕；所述聲音輸入裝置、SD卡13、顯示裝置、按鈕均分別與識別器14連接。所述聲音輸入裝置包括麥克風10和用于將輸入的聲音轉化為PCM格式的語音信 號的編碼器16，所述麥克風10與編碼器16連接，所述編碼器16與識別器14連接；所述按鈕包括用于對輸入的聲音進行錄音并將其保存至SD卡13的錄音按鈕11 以及用于啟動咳嗽識別分析的分析按鈕12 ；所述錄音按鈕11和分析按鈕12均與識別器14 連接；
9
所述識別器14由依次連接的處理器、隨機存取存儲器和可擦除可編程存儲器構 成。所述識別器14中的處理器包括用于實現端點檢測的端點檢測單元、用于提取特征向量 序列的特征提取單元以及用于利用所提取的特征向量序列實現咳嗽識別的識別單元；所述 端點檢測單元、特征提取單元和識別單元依次連接，且均與分析按鈕12連接；分析按鈕12 按下，所述端點檢測單元、特征提取單元和識別單元依次運行。所述特征提取單元中設有由一組26通道、具有32ms窗口及預修正系數為0. 97的 Mel頻率濾波器構成的濾波器組；PCM格式的語音信號經特征提取單元中的濾波器處理，其 濾波結果加上短時能量共得到13維參數；同時，為描述信號幀之間的相關性和咳嗽的動態 特征，引入一、二階差分，最終形成一 39維的特征向量序列；所述顯示裝置為顯示屏15。上述實施例為本發明較佳的實施方式，但本發明的實施方式并不受上述實施例的 限制，其他的任何未背離本發明的精神實質與原理下所作的改變、修飾、替代、組合、簡化， 均應為等效的置換方式，都包含在本發明的保護范圍之內。
權利要求
一種咳嗽自動識別方法，其特征在于，具體包括如下步驟(1)聲音輸入裝置測量聲壓變化，并通過編碼器將測量結果轉為PCM格式的語音信號，存入SD卡；(2)端點檢測單元對所述步驟(1)中的PCM格式的語音信號進行端點檢測，剔除非咳嗽信號，其余信號作為候選咳嗽信號；(3)特征提取單元對候選咳嗽信號按幀提取特征，將其轉換為特征向量序列；(4)識別單元根據步驟(3)所提取的特征向量序列訓練隱馬爾可夫模型，對候選咳嗽信號進行識別，判斷是否為咳嗽信號；(5)對一定時間段內所述步驟(4)咳嗽識別所得的咳嗽信號進行統計。
2.根據權利要求1所述的咳嗽自動識別方法，其特征在于，所述步驟(2)中的端點檢 測，包括如下步驟(2-1)將步驟(1)的PCM格式的語音信號進行分幀；(2-2)采用哈明窗對所述步驟(2-1)所得的每一幀信號進行加窗處理，并 計算該幀內的短時過零率，構成候選過零率閾值集合；所述短時過零率滿足 ,其中，Zn為短時過零率，χ(·)為輸入的PCM格 式的語音信號，《(.)和sgn[x]分別為是哈明窗函數和符號函數，N = 512; (2-3)確定過零率閾值；(2-4)識別候選咳嗽信號與非咳嗽信號，若短時過零率大于過零率閾值，則該幀被視為 候選咳嗽信號，否則被視為非咳嗽信號而置零剔除；(2-5)若持續數幀滿足短時過零率大于過零率閾值，則將這些幀合并為一段聲音信號， 作為候選咳嗽信號，記錄其起始點和終止點。
3.根據權利要求2所述的咳嗽自動識別方法，其特征在于，所述步驟(2-1)的分幀步 驟為以幀為單位讀取PCM格式的語音信號，在取數據時，前一幀和后一幀的交疊部分為幀 移。
4.根據權利要求3所述的咳嗽自動識別方法，其特征在于，幀長取32ms，即對應512個 采樣值；所述幀移為8ms，即對應128個采樣值。
5.根據權利要求2所述的咳嗽自動識別方法，其特征在于，所述步驟(2-3)中的過零率 閾值的確定步驟為(2-3-1)將所述步驟(2-2)獲得的短時過零率按從小到大的順序重新排列，記為{Z”二2，…，Ζκ}；(2-3-2)確定期望端點檢測誤判率，在所述步驟(2-3-1)選取相應的短時過零率作為 過零率閾值，所述過零率閾值在步驟(2-3-1)所得集合{Z1; Z2,…，Ζκ}的排列序號滿足h=int( ε XK)，其中，ε為期望端點檢測誤判率，K為集合{Ζ1;Ζ2，…，Ζκ}的元素個數；h為過零率閾 值在{Z1;Z2，…，Ζκ}的排列序號。
6.根據權利要求1所述的咳嗽自動識別方法，其特征在于，所述步驟(4)中對候選咳嗽 信號進行咳嗽識別的具體步驟為(4-1)對幀數為N的候選咳嗽信號，若N= 1，則候選咳嗽信號的相似度值為零；若N =·2，則取1 2幀信號的特征向量，再補一幀維數為13的零向量作為第3幀的特征向量，利 用訓練好的隱馬爾可夫模型進行識別，識別結果作為候選咳嗽信號的相似度；若N > 2，則 重復進行N-2次識別，其中第i次識別取i i+2幀的特征向量，利用訓練好的隱馬爾可夫 模型進行識別，識別結果記為Pi ；最后取P = max{Pl, p2,…，pN_2}作為候選咳嗽信號的相 似度；(4-2)確定相似度閾值；(4-3)對每一幀的候選咳嗽信號進行識別，若該幀的相似度大于相似度閾值，則該段候 選咳嗽信號為咳嗽信號，否則為非咳嗽信號。
7.根據權利要求6所述的咳嗽自動識別方法，其特征在于，所述步驟(4-2)中的相似度 閾值的確定步驟為(4-2-1)將所述步驟(4-1)獲得的相似度按從小到大的順序重新排列，記為{入” λ 2'…，λΜ}；(4-2-2)確定期望識別誤判率，在所述步驟(4-2-1)選取相應的相似度作為相似度閾 值，所述相似度閾值在步驟(4-2-1)所得集合{λ” λ2，…，λ J的排列序號滿足1 = int(XM)；其中，ξ為期望識別誤判率，M為集合I^1, λ2，…，λ J的元素個數；1為相似度閾值 在U1,入2，…，λ J的排列序號。
8.根據權利要求1所述的咳嗽自動識別方法，其特征在于，所述步驟(5)具體為每半 小時統計一次咳嗽強度，并以加窗信號的絕對值作為信號強度，以每半小時內所有咳嗽信 號的幀的信號強度均值作為該時段咳嗽強度。
9.實現權利要求1 8任一項所述方法的咳嗽自動識別裝置，其特征在于包括用于輸入聲音并測量聲壓變化，將測量結果轉化為PCM格式的語音信號的聲音輸入裝置；用于對PCM格式的語音信號進行端點檢測、特征提取和咳嗽識別的識別器；用于存儲語音信號的SD卡；用于顯示聲音輸入、識別狀態及識別結果的顯示裝置；一組用于控制聲音輸入和咳嗽識別的按鈕；所述聲音輸入裝置、SD卡、顯示裝置、按鈕均分別與識別器連接。
10.根據權利要求9所述的咳嗽自動識別裝置，其特征在于所述聲音輸入裝置包括 麥克風和用于將輸入的聲音轉化為PCM格式的語音信號的編碼器，所述麥克風與編碼器連 接，所述編碼器與識別器連接；所述按鈕包括用于對輸入的聲音進行錄音并將其保存至SD卡的錄音按鈕以及用于啟 動咳嗽識別分析的分析按鈕；所述錄音按鈕和分析按鈕均與識別器連接；所述識別器由依次連接的處理器、隨機存取存儲器和可擦除可編程存儲器構成，其中 處理器包括用于實現端點檢測的端點檢測單元、用于提取特征向量序列的特征提取單元以 及用于利用所提取的特征向量序列實現咳嗽識別的識別單元；所述端點檢測單元、特征提 取單元和識別單元依次連接，且均與分析按鈕連接；所述特征提取單元中設有由一組26通道、具有32ms窗口及預修正系數為0. 97的Mel 頻率濾波器構成的濾波器組；所述顯示裝置為顯示屏。
全文摘要
本發明提供了一種咳嗽自動識別方法，包括步驟(1)輸入PCM格式的語音信號；(2)對PCM格式的語音信號進行端點檢測，剔除非咳嗽信號，其余信號作為候選咳嗽信號；(3)對候選咳嗽信號按幀提取特征，將其轉換為一39維的特征向量序列；(4)根據所提取的特征向量序列訓練隱馬爾可夫模型，對候選咳嗽信號進行識別，判斷是否為咳嗽信號；(5)對一定時間段內的咳嗽信號進行統計。本發明還提供了實現上述方法的裝置，包括聲音輸入裝置、識別器、SD卡、顯示裝置以及一組按鈕，所述聲音輸入裝置、SD卡、顯示裝置、按鈕均分別與識別器連接。本發明可實現咳嗽音的實時記錄和自動識別，分析咳嗽頻率和強度的動態變化特點。
文檔編號G10L21/02GK101894551SQ201010217590
公開日2010年11月24日 申請日期2010年7月2日 優先權日2010年7月2日
發明者田聯房, 莫鴻強, 鄭則廣, 鐘南山, 陳榮昌 申請人:華南理工大學