[發明專利]一種提取病理語音MFCC特征用于人工智能分析的標準化采樣方法

在審

• 申請號: 202010462384.4
• 申請日: 2020-05-27
• 公開（公告）號: CN111599347A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 牟志偉;江晨銀;柯慧明;潘正祥;溫曉宇;陳亮;朱凌燕
• 申請（專利權）人: 廣州科慧健遠醫療科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L17/02;G10L25/24;G10L25/30;A61B5/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種提取病理語音MFCC特征用于人工智能分析的標準化采樣方法，包括下述步驟：采集語音數據，按《漢語普通話語音評估系統詞表》的順序進行82的漢語普通話音節的語音數據采集；對采集的語音數據進行剪輯處理，完成82個音節的剪輯工作，然后分類歸檔；對剪輯后的82個音節進行信號提取，通過指定預加重、分幀、加窗、快速傅里葉變換、三角帶通濾波器以及擴展分幀處理，提取每個音節的MFCC特征；將處理后的數據構成MFCC語音庫。本發明通過標準化流程方法，提取每個音節特定MFCC特征，構建一種數字化、標準化、結構化的語音特征數據庫，可以服務于病理語音特征大數據和人工智能分析的各項應用，提高了病理語音研究與應用的客觀性和效率。

技術領域

本發明屬于智能識別的技術領域，具體涉及一種提取病理語音MFCC特征用于人工智能分析的標準化采樣方法。

背景技術

目前國內語言障礙人數逐年增加，其中構音障礙導致的溝通交流障礙嚴重影響患者重返社會。雖然我國構音障礙患者數量重多，但是2016年林強和盧建亮的調查研究發現目前的評估方法并不能滿足治療師對精準言語康復的需求。國內康復科和言語康復機構應用較多的仍然是以主觀聽覺評價和(或)需要主觀判斷的量表為主要評估手段，缺乏客觀性和效率。此外，我國言語治療師數量嚴重不足、大多數非本專業畢業，診斷評估能力偏弱。

近年來，基于人工智能技術的快速發展，如人工神經網絡(Artificial NeuralNetwork，ANN)和深度學習(Deep Learning，DL)在正常語音分析與識別、語言教育、智能語音導醫等方面的應用研究取得了一些成果。國務院《新一代人工智能發展規劃》中涉及醫療方面提出應加快人工智能創新應用，研究聲學參數在構音障礙的特征性與規律性，并基于人工神經網絡診斷和分類各種構音障礙，從而提高病理語音評估的客觀性和效率，解放人力。要對病理語音進行大數據和人工智能分析，必須要有數字化、標準化和結構化的數據集。目前國內外對病理語音的大數據分析、人工智能研究尚無統一方法和標準，亟需一種統一高效的病理語音特征采集方法。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種提取病理語音MFCC特征用于人工智能分析的標準化采樣方法，服務于病理語音特征大數據和人工智能分析的各項應用，提高病理語音研究與應用的客觀性和效率。

為了達到上述目的，本發明采用以下技術方案：

一種提取病理語音MFCC特征用于人工智能分析的標準化采樣方法，包括下述步驟：

采集語音數據，按《漢語普通話語音評估系統詞表》的順序進行82的漢語普通話音節的語音數據采集；

對采集的語音數據進行剪輯處理，完成82個音節的剪輯工作，然后分類歸檔，其中單元音28個，復合元音23個，輔音21個，序列語音10個；

對剪輯后的82個音節進行信號提取，通過指定預加重、分幀、加窗、快速傅里葉變換、三角帶通濾波器以及擴展分幀處理，提取每個音節的MFCC特征；

將處理后的數據構成結構化語音庫，MFCC語音庫的標準化數據具體為：

82個音節樣本的每一個音節數據經預處理后的語音樣本共有4種MFCC特征分別存在于A、B、C、D四組，分別是13幀、19幀、13+3幀、19+3幀的標準化MFCC數據；

結構化數據庫：將A、B、C、D四組數據入庫元音與聲調子庫，并分列標記為元音與聲調子庫A組、元音與聲調子庫B組、元音與聲調子庫C組和元音與聲調子庫D組。

作為優選的技術方案，所述《漢語普通話語音評估系統詞表》包括3個分表4個主要部分，即單元音聲調部分、序列語言部分、復合元音部分和輔音部分；