[發明專利]一種咳嗽音自動識別算法、裝置、介質和設備

有效

• 申請號: 202110450820.0
• 申請日: 2021-04-26
• 公開（公告）號: CN113158916B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 莫鴻強;曾鍵灃;周樊;章臻
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 霍健蘭

本發明提供了一種咳嗽音自動識別算法、裝置、介質和設備；其中算法包括如下步驟：獲取待識別樣本；對樣本進行端點檢測，從起始點截取持續時間為t的固定長度序列，并設定為信號序列并歸一化處理；利用線性預測編碼得到預測信號序列和殘差信號序列；求取預測信號序列的MFCC參數mfcc_r以及殘差信號序列的短時能量en_r，構造特征向量；將特征向量輸入到線性SVM分類器，根據線性SVM分類器輸出判斷待識別樣本類型為咳嗽音樣本或非咳嗽音樣本。該算法克服了激勵源時域特征易受聲道諧振影響的問題，具有良好的識別能力，識別準確度高。

技術領域

本發明涉及醫療器械與醫學信號處理技術領域，更具體地說，涉及一種咳嗽音自動識別算法、裝置、介質和設備。

背景技術

咳嗽是人體一種自然的反射動作，是哮喘、肺炎、喉炎和慢性阻塞性肺疾病等呼吸系統疾病的常見癥狀。臨床中，醫生常將患者的咳嗽頻率、強度等信息作為診斷的重要依據，但這些信息往往主要來源于患者主觀描述，可靠性差。有別于患者的主觀描述，咳嗽音的錄制和自動識別有助于醫生更客觀、更準確地獲取患者咳嗽信息。

咳嗽音自動識別的主要難點之一在于可供識別模型訓練和測試的樣本少。目前未見公開的咳嗽音大型數據庫，各研究團隊自行采集的咳嗽音樣本數量亦較為有限；此外，非咳嗽音樣本種類復雜，且樣本數量遠大于咳嗽音樣本數量，存在樣本不均衡問題?？人砸魳颖镜娜狈σ约坝柧殬颖镜牟痪饨o咳嗽音自動識別模型的建立造成極大的困難。

選取有針對性的特征，以盡量減少識別模型的待定參數，是克服上述困難的有效措施。目前許多文獻常采用梅爾頻率倒譜系數(Mel Frequency Cepstrum Coefficient,MFCC)作為咳嗽音的特征；但從咳嗽音形成的機理看，MFCC對于咳嗽音的特征刻畫不夠全面。

咳嗽時，腹肌和膈肌緊縮導致肺部瞬間呼出大量氣體，肺部氣流沖擊導致聲道振動而發出咳嗽音。根據其生成機理，可將咳嗽音視為由一個激勵源作用于聲道模型上而產生的響應，其中激勵源反映肺部氣流，而聲道模型反映聲道形狀。為了準確地識別咳嗽音，咳嗽音信號的特征提取需要充分考慮激勵源和聲道兩方面的信息，但目前常見的咳嗽音自動識別算法多利用了聲道信息有關的特征，例如MFCC等，而激勵源信息往往未加利用。

對咳嗽音識別而言，激勵源的首要信息是其時域上的強度及強度的變化；但聲道模型與激勵源在時域上存在卷積關系，無法由咳嗽音直接確定激勵源信號的強度；若簡單地以咳嗽音的短時能量/強度作為激勵源的強度，所得結果會受聲道諧振的影響而存在較大誤差。因此，激勵源特征的提取具有一定的難度。

發明內容

為克服現有技術中的缺點與不足，本發明的目的在于提供一種咳嗽音自動識別算法、裝置、介質和設備。其中，算法利用線性預測編碼(linear predictive coding,LPC)實現聲道模型與激勵源的分離，以克服由于聲道諧振影響而導致的在激勵源特征提取上的困難；以MFCC和激勵源的短時能量作為咳嗽音自動識別算法的特征，該特征同時包含聲道模型和激勵源兩方面信息，以解決常見算法忽視激勵源特征的問題；該算法利用支持向量機(support vector machines,SVM)作為分類器，以克服樣本不足及樣本不均衡導致的模型難以訓練的問題；此外，該算法僅利用咳嗽音第一階段提取特征，模型簡單且計算量小，便于在可穿戴設備中實現。

為了達到上述目的，本發明通過下述技術方案予以實現：一種咳嗽音自動識別算法，其特征在于：包括如下步驟：

S1步，獲取待識別樣本，待識別樣本的采樣頻率為f_s；

S2步，對樣本進行端點檢測，從起始點截取持續時間為t的固定長度序列，并設定為信號序列r(k)；其中，k＝1，2，…，N；N＝t×f_s，且N為正整數；

S3步，將信號序列r(k)歸一化得