[發(fā)明專利]一種咳嗽及噴嚏監(jiān)測識別方法

在審

• 申請?zhí)枺?/td>: 202011017400.5
• 申請日: 2020-09-24
• 公開（公告）號: CN112259127A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 邵宇豐;周錦霆
• 申請（專利權(quán)）人: 上海荷福人工智能科技（集團）有限公司
• 主分類號: G10L25/66
• 分類號: G10L25/66;G10L25/21;G10L21/0208
• 代理公司: 上海浙晟知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31345
• 代理人: 楊小雙

本發(fā)明公開了一種咳嗽及噴嚏監(jiān)測識別方法，屬于語音識別技術(shù)領(lǐng)域。其包括以下步驟：咳嗽信號預處理、咳嗽信號特征提取、算法識別、采用單片機及WiFi模塊傳輸、服務(wù)器及后端接收并前端顯示。本發(fā)明的有益效果是：采用非特定人語音識別和連續(xù)語音識別技術(shù)，進而開發(fā)咳嗽識別，顯著提高目前市場上的咳嗽識別系統(tǒng)的準確度和應用性，本發(fā)明能夠不需要提前錄入咳嗽聲音進行訓練則能夠準確的在大范圍的生活場景中識別咳嗽的人并顯示和報警，此外，本發(fā)明基于連續(xù)語音識別技術(shù)，則對于連續(xù)咳嗽的高風險人群識別提高了準確性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種咳嗽及噴嚏監(jiān)測識別方法，屬于語音識別技術(shù)領(lǐng)域。

背景技術(shù)

目前國內(nèi)外采取咳嗽識別的本地離線語音識別芯片所涉及的技術(shù)包括:信號處理、模式識別、概率論和信息論、發(fā)聲機理和聽覺機理、人工智能等等。語音識別技術(shù)作為人工智能的支撐，語音識別，語音控制以及和WiFi/藍牙組合是應用的主要表現(xiàn)形式。

市場現(xiàn)有咳嗽識別的離線語音識別芯片的內(nèi)部單片機主要為24MHZ、48MHZ、240MHZ、600MHZ主頻，采用8K算法小模型、16K算法大模型。主要基于特定人語音識別，即針對指定人的語音識別，其他人的話不識別，須先把使用者的語音參考樣本存入當成比對的資料庫，即特定人語音識別在使用前必須要進行語音訓練，一般按照機器提示訓練兩遍語音詞條即可使用。并基于非連續(xù)語音識別，對于非連續(xù)語音來說，識別所說的每一個字必須分開辨認，要求說完每個字后都要停頓。

目前市場上的咳嗽識別的語音芯片是基于特定人的語音識別和非連續(xù)語音識別，實際在日常場景的使用中有很大的局限性。基于特定人的語音識別需要特定人提前錄入聲音，對于其他人的語音不進行識別，采用這種方法的咳嗽識別只能針對特定人的咳嗽識別，在正常使用中不可能提前讓所有人的咳嗽聲音先錄入然后在進行比對，更別提在流動人口大的公共區(qū)域進行咳嗽識別。對于在大面積多人口流動性強的地方進行咳嗽識別應用目前市場上的方法顯然不行。

此外，基于非連續(xù)語音識別的語音識別芯片而開發(fā)的咳嗽識別系統(tǒng)，需要單個字單個字的停頓從而才能識別，如果是連續(xù)的一句話則識別率大大下降、錯誤率明顯提高。但是非連續(xù)語音識別來開發(fā)咳嗽識別受到很大的掣肘。雖然看似咳嗽聲是單獨的，但是不能排除連續(xù)咳嗽聲的場景，尤其是人流量大的公共區(qū)域。而且，連續(xù)咳嗽的人患病的風險會隨之變高，如果基于非連續(xù)語音識別，此類高危險人群的識別則會受到很大的影響，從而會提高其他健康人群被危險人群傳染的風險。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于：提供一種咳嗽及噴嚏監(jiān)測識別方法，它解決了現(xiàn)有技術(shù)中對于咳嗽聲的識別時，特定人的語音識別需要特定人提前錄入聲音，對于其他人的語音不進行識別的問題。

本發(fā)明所要解決的技術(shù)問題采取以下技術(shù)方案來實現(xiàn)：

一種咳嗽及噴嚏監(jiān)測識別方法，包括以下步驟：

S1.咳嗽信號預處理，具體包括以下步驟：

S11.采樣與量化，對聲音信號進行采樣與量化，獲取到的初始聲音樣本信號用連續(xù)的信號，以等時間間隔對其進行采樣，得到離散的信號；

S12.濾波，對采樣與量化后的聲音信號進行濾波處理；

S13.加窗分幀，將聲音信號劃分為許多個時間相等的聲音段；

S14.端點檢測，對聲音信號進行端點檢測，確定獲取的每一個聲音樣本是否是有效的發(fā)聲，并且在有效的聲音樣本中確定出有用信號的起始點和終止點，為后期提取特征參數(shù)做準備；

S2.咳嗽信號特征提取，對預處理后的聲音信號進行功率譜密度分析，在分析結(jié)果的基礎(chǔ)上設(shè)計有效的信號特征提取算法，獲取識別咳嗽聲信號的參考特征，在獲得聲音信號功率譜密度的基礎(chǔ)上，對一定量的聲音樣本信號進行訓練，得到平均功率譜密度來作為聲音信號的分類特征；