[發明專利]病理語音的識別方法、裝置、設備及存儲介質

在審

• 申請號: 202111139827.7
• 申請日: 2021-09-28
• 公開（公告）號: CN113870903A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 劉源;王健宗;彭俊清
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L25/66
• 分類號: G10L25/66;G10L25/24;G10L25/27
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種病理語音的識別方法，其特征在于，所述病理語音的識別方法包括：

獲取語音數據，對所述語音數據依次進行預處理、信號歸一化和信號分割，得到已分割語音信號；

對所述已分割語音信號依次進行小波變換的多頻帶分解和倒譜分析，得到倒譜數據；

對所述倒譜數據分別進行梅爾頻率倒譜系數轉換和時頻分階數提取，得到梅爾頻率倒譜系數和時頻分階梅爾頻率倒譜系數；

根據所述梅爾頻率倒譜系數和所述時頻分階梅爾頻率倒譜系數構造預設維度的特征向量，得到初始語音特征向量，并對所述初始語音特征向量進行基于特征值時間序列的特征選擇，得到目標語音特征向量；

通過預置的多層感知器，對所述目標語音特征向量進行語音類別概率計算和概率判別，得到分類結果，所述多層感知器包括三個卷積層以及每個卷積層連接的最大池化層、兩個完整連接層和一個輸出層，所述分類結果包括正常語音和病理語音。

2.根據權利要求1所述的病理語音的識別方法，其特征在于，所述通過預置的多層感知器，對所述目標語音特征向量進行語音類別概率計算和概率判別，得到分類結果，所述多層感知器包括三個卷積層以及每個卷積層連接的最大池化層、兩個完整連接層和一個輸出層，所述分類結果包括正常語音和病理語音，包括：

通過預置的多層感知器的三個卷積層，計算所述目標語音特征向量中每個特征圖的隱藏單元值，得到語音特征向量的隱藏單元值；

通過所述多層感知器的最大池化層，對所述語音特征向量的隱藏單元值進行降維處理，得到初始語音特征；

通過所述多層感知器的兩個完整連接層，對所述初始語音特征進行擬合，得到待分類特征向量；

通過所述多層感知器的一個輸出層，基于所述待分類特征向量進行語音類別概率計算并輸出分類結果，所述分類結果包括正常語音和病理語音。

3.根據權利要求1所述的病理語音的識別方法，其特征在于，所述對所述已分割語音信號依次進行小波變換的多頻帶分解和倒譜分析，得到倒譜數據，包括：

通過預置的離散小波變換算法，對所述已分割語音信號中的每段語音信號進行多級子帶分解，得到分解后的語音信號；

通過預置的倒譜算法，對所述分解后的語音信號依序進行傅立葉變換和傅里葉逆變換，得到倒譜數據。

4.根據權利要求2所述的病理語音的識別方法，其特征在于，所述對所述倒譜數據分別進行梅爾頻率倒譜系數轉換和時頻分階數提取，得到梅爾頻率倒譜系數和時頻分階梅爾頻率倒譜系數，包括：

對所述倒譜數據依序進行傅里葉變換和離散余弦變換，得到梅爾頻率倒譜系數；

通過預置的時頻分階數計算公式，對所述梅爾頻率倒譜系數進行計算，得時頻分階梅爾頻率倒譜系數，所述時頻分階梅爾頻率倒譜系數包括一階差分梅爾頻率倒譜系數和二階差分梅爾頻率倒譜系數。

5.根據權利要求1-4中任一項所述的病理語音的識別方法，其特征在于，所述通過預置的多層感知器，對所述目標語音特征向量進行語音類別概率計算和概率判別，得到分類結果之后，還包括：

獲取所述語音數據對應的歷史聲紋數據，通過所述歷史聲紋數據，對所述分類結果進行校驗，得到目標檢測結果，所述歷史聲紋數據包括歷史存儲的語音發出者的聲紋特征和聲紋特征分析結果；

通過所述目標檢測結果從預置的病理數據庫匹配對應的目標病理數據，所述目標病理數據包括疾病數據。

6.根據權利要求5所述的病理語音的識別方法，其特征在于，所述獲取所述語音數據對應的歷史聲紋數據，通過所述歷史聲紋數據，對所述分類結果進行校驗，得到目標檢測結果，所述歷史聲紋數據包括歷史存儲的語音發出者的聲紋特征和聲紋特征分析結果，包括：

從預置的語音數據庫中提取所述語音數據對應的歷史聲紋數據，所述歷史聲紋數據包括歷史存儲的語音發出者的聲紋特征和聲紋特征分析結果；

通過預置的多個相似度計算算法，分別計算所述分類結果和所述歷史聲紋數據之間的相似度，得到多個目標相似度；

將所述多個目標相似度與預設閾值進行對比分析，得到對比分析結果，并根據所述對比分析結果將所述分類結果確定為目標檢測結果。