基于隐马尔可夫模型地咳嗽声识别研究.pdfVIP

基于隐马尔可夫模型的咳嗽声识别研究 1 1 1 2 2 1 魏栋 ，陈纪赞 ，田联房 ，郑则广 ，陈荣昌 ，毛宗源 (1. 华南理工大学，广州 510641； 2. 广州医学院，广州 510120) 摘要 本文通过对咳嗽声特性的分析，首先利用 时又能够将它与其他的具有相似特性的声 短时过零率和短时能量对咳嗽声进行端点初步检 音区分开来。文章在参考了国内外关于咳 测，然后提取咳嗽的 Mel 频率倒谱系数作为特征 嗽识别的研究现状，并比较了咳嗽识别与 参数，使用隐马尔可夫模型进行训练，建立咳嗽 语音识别的关系，提出使用隐马尔可夫模 模板库。对所获得的 234 个样本进行训练和测试 型作为咳嗽识别的主要算法。 性识别,其中 78 个为训练样本，两组咳嗽测试样 2 基本定义 本和两组声音测试样本各为39个，识别系统把测 试组咳嗽正确识别率为85.53%，把测试组声音错 2.1 咳嗽发生机制 误识别为咳嗽的概率为7.89%。实验证明,通过将 咳嗽声的特性和语音识别方法的结合，隐马尔可 咳嗽表现为深呼吸气后，声门关闭， 夫模型可用于检测咳嗽声，而且在咳嗽声识别中 继而以突然剧烈的呼气，冲出狭窄的声门 也有很好的准确性和可靠性。 裂隙产生咳嗽动作和发出声音[2]。 1 引言 2.2 短时能量 咳嗽是机体的一种保护性动作，以消除 能量是咳嗽声的一个重要的特性，对咳 呼吸道的分泌物、渗出物及侵入呼吸道的异 嗽声的能量分析主要集中在短时能量上。短 [1] [4] 物 。鉴于人为的监测缓慢且乏味，容易受 时能量的定义如下 ： ∞ 主观因素影响而出错，而多数患者未能完整 En = 2 （1） 对自身的咳嗽特征进行描述，比如咳嗽的症 ∑ [x(m)w(n−m)] m=−∞ 状、发作时间、频率等，影响了咳嗽的及时 式中，x(m) 为输入的待分析咳嗽声 诊断和合理治疗。因此，研究智能的咳嗽监 信号，w(n)是哈明窗（Hamming Window ） 测系统及其算法显得非常必要。 函数。 2 n 至今这种对咳嗽严重性的评估，主要依 ⎧ π 0.54− 0.46cos( ), 0 ≤ n ≤ N − 1 ⎪ 靠主观措施，如咳嗽反射敏感性、患者对自 w(n) = ⎨ N − 1 ⎪ (2) 身症状的感觉、咳嗽可视模拟测评、生活质