课件：宫商角征羽.ppt

中医声诊中的小波应用 1013202063 于旭耀 1013202015 韩 广 * 主要内容 背景介绍 研究内容 总 结 背景介绍 背景介绍 闻诊即通过听声音和嗅病气测知病况， 闻的内容可以分： 声音、语言、呼吸、呕吐、肠鸣和病气等。 背景介绍 正常声音 自然、音调和谐、语言表达清楚。 病变声音 嘶哑：声嘶和失音 多因外感风寒或风热，寒热相交伤肺所致。 蹇涩：说话不流利、含糊不清、缓慢、词不达意。 多见于中风后遗症或热病后期。 郑声：神志不清、语言重复、语言不连续、声音低弱 多为虚证。 错语：语言颠倒、错乱，自知说错不能自主， 多为心气不足。 研究内容 我国传统乐学理论将“音阶”概念分为五音又称五声，包含：宫、商、角（jué）、徵（zhǐ）、羽。 宫 商 角 徵 羽 衣荷 子书 古玉 泥土 妇卜 音黄 辰章 见广 男鼎 半方 体质分类 研究内容 研究内容 信号采集 信号处理 小波分析 PNN分类 算法优化 算法流程 以阴虚质某一男生‘古玉’语音信号为例——信号处理 原始信号波形图 去噪处理 预加重处理 加窗处理 研究内容 研究内容 原始信号短时频谱图 加窗后信号频谱图 语谱图 以阴虚质某一男生‘古玉’语音信号为例——频谱分析 研究内容 以阴虚质某一男生‘古玉’语音信号为例——小波包分解 小波(Wavelet)是一种能量在时域非常集中的波，具有衰减性且振幅呈现正负相间的震荡形式。 与Fourier变换相比，小波对于分析瞬时时变信号非常有用。它有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多困难问题。 研究内容 以阴虚质某一男生‘古玉’语音信号为例——小波包分解 小波变换的本质就是用精心挑选的基来表示信号方程的过程。每个小波变换都会有一个母小波Ψ(x)，同时还有一个尺度函数，对二者进行缩放和平移后即可得到任何小波变换的基函数集合。 研究内容 提取小波包能谱并归一化 小波分析的特点是窗口面积固定，形状可调——即时间和频率窗都可改变的时域局部化分析。 但是，由于其再分解过程中忽略了高频部分的信号，使得它的频率分辨率随频率升高而降低。 在这种情况下，小波包分解应运而生，它不仅对低频部分进行分解，对高频部分也实施了分解，而且小波包分解能根据信号特征和分析要求自适应地选择相应频带与信号频谱相匹配，是一种比小波分解更精细的分解方法。 研究内容 小波分解 VS 小波包分解 结合小波包分解的特性，本文选取db4小波包分解，分解层数为6层，通过分解获得64段小波包节点系数。 [C,L]=wavedec(s,6,db4) %用小波函数db4对信号s进行6尺度分解 以阴虚质某一男生‘古玉’语音信号为例——小波分析 研究内容 小波包能谱分解及归一化结果如图所示，横坐标为第N段小波节点，纵坐标对应相应小波的节点能量。 6层小波包分解能谱图 归一化的小波包能谱图 以阴虚质某一男生‘古玉’语音信号为例——小波分析 研究内容 表1 女生平和质和阴虚质训练准确率和预测准确率 性别 组名 训练样本数 预测样本数 平均训练准确率 平均预测准确率 女 平和质 32 16 95.4% 80.3% 阴虚质 102 51 91.5% 77.8% 表2 男生平和质和阴虚质训练准确率和预测准确率 性别 组名 训练样本数 预测样本数 平均训练准确率 平均预测准确率 男 平和质 34 17 94.2% 82.9% 阴虚质 64 33 93.7% 76.1% 女生平和质48例，阴虚质153例； 男生平和质51例，阴虚质97例. 分别男女生提取64段小波节点能量，然后进行根据该能量特征分布对上述两种体质进行分类，概率神经网络(PNN)采用训练集和预测集2:1的比例进行实验， 以‘古玉’语音信号为例——PNN分类 研究内容 总 结 小波包分解的基础上提取各节点的能谱，再根据该能谱进行PNN分类，其预测准确率在二分类中准确率较好，在四分类中虽然较二分类有所降低，但也基本在70%左右，能够较好的对受试者通过语音信号分析进行体质分类。 *