发音异常检测方法技术

本发明专利技术涉及一种发音异常检测方法，包括语音信号预处理模块、语音时频同窗可视化模块、局部信息统计模块和分类模块。语音信号预处理模块将待测的语音信号进行处理，处理后传输至语音时频同窗可视化模块；由语音时频同窗可视化模块将处理后的语音信号的时域信息和频域信息进行同窗可视化显示，并将显示信息传输至局部信息统计模块；局部信息统计模块进行计算并且统计单位区间内各数据的特征信息，并将其统计的特征信息传递给分类模块；分类模块是将统计的高维数据经过多次映射关系进行类别划分，通过数据和标签训练分类器。从而实现对新的病态语音信号进行检测。本发明专利技术测量方便，费用低廉，且准确率较高。

【技术实现步骤摘要】
发音异常检测方法
本专利技术涉及一种发音异常检测方法，尤其是一种病态发音异常的检测方法。
技术介绍
以行为、情绪及社交异常为特点的精神疾病和神经性退行性疾病NDD的人数正在逐年增加，其中包括阿茨海默症AD、帕金森症PD、轻度认知障碍MDI、抑郁症等。这类疾病导致患者的脑部神经发生病变，使患者的生活品质下降。遗憾的是，目前此类疾病尚无法从根本上治愈，所有的治疗方案仅仅是延缓病情发展。因此，早期诊断不论对于家庭还是社会均具有重大意义。尽管这些疾病有各自的特点，但很多情况下，它们会有一些相同的症状和神经病理条件，很多神经退行性疾病会引起发音异常，如帕金森、阿茨海默、轻度认知障碍、抑郁症等。而对语音的采集可以利用麦克风进行，同时也可以利用电话线路对语音信号进行远距离传输，因此，通过语音检测有发音异常的疾病极其具有价值。
技术实现思路
针对上述问题，本专利技术的目的是提供一种发音异常检测方法，该方法不但测量方便，费用低廉，而且易于实现远程检测，有利于发音异常疾病检测效果的提高。为实现上述目的，采用了以下技术方案：本专利技术提出了一种发音异常检测方法，该方法包括语音信号预处理模块、语音时频同窗可视化本文档来自技高网...

【技术保护点】
1.一种发音异常检测方法，其特征在于：包括语音信号预处理模块、语音时频同窗可视化模块、局部信息统计模块和分类模块，所述语音信号预处理模块将待测的语音信号进行处理，处理后传输至所述语音时频同窗可视化模块，所述语音时频同窗可视化模块将处理后语音信号的时域信息和频域信息进行同窗可视化显示，并将显示信息传输至所述局部信息统计模块，所述局部信息统计模块进行计算并且统计单位区间内各数据的特征信息，并将其统计的特征信息传递给所述分类模块，所述的分类模块是将统计的高维数据经过多次映射关系进行类别划分，通过训练分类器，从而实现对病态语音信号的检测。

【技术特征摘要】
1.一种发音异常检测方法，其特征在于：包括语音信号预处理模块、语音时频同窗可视化模块、局部信息统计模块和分类模块，所述语音信号预处理模块将待测的语音信号进行处理，处理后传输至所述语音时频同窗可视化模块，所述语音时频同窗可视化模块将处理后语音信号的时域信息和频域信息进行同窗可视化显示，并将显示信息传输至所述局部信息统计模块，所述局部信息统计模块进行计算并且统计单位区间内各数据的特征信息，并将其统计的特征信息传递给所述分类模块，所述的分类模块是将统计的高维数据经过多次映射关系进行类别划分，通过训练分类器，从而实现对病态语音信号的检测。2.根据权利要求1所述的发音异常检测方法，其特征在于：所述语音时频同窗可视化模块构建方法具体包括以下步骤：(1)、对语音信号x(t)进行采样，采样频率为f，得到离散语音信号xf(n)，n为整数；(2)、对所述离散语音信号xf(n)进行截断处理，表达式如下：xw(n)＝xf(n)×w(n)，其中xw(n)表示截断后的离散语音信号，w(n)表示截断函数；(3)、将所述截断后的离散语音信号xw(n)进一步变换，采用傅里叶变换，获得表达式其中N表示截断函数w(n)的长度，Xz(k)表示其幅度谱估计，k为整数；(4)、计算其功率谱函数P(k)＝10lg|Xz(k)|2；(5)、对P(k)进行归一化处理得到P'(k)，然后通过非线性映射Φ得到最终的数据，表达式如下：I＝Φ(p'(k))，其中I表示经过映射后的可视的二维数据，I(x，y)表示二维数据中坐标为x，y的数据。3.根据权利要求1所述的发音异常检测方法，其特征在于：所述语音信号预处理模块利用端点检测找到语音信号的起始点，然后将语音信号中持续时间不少于T秒的连续发音作为有效部分进行选取，选取的连续语音信号用x(t)表示。4.根据权利要求1所述的发音异常检测方法，其特征在于：所述局部信息统计模块构建方法如下：(1)、将可视化数据规范为I'(x,y)＝I(x,y)Υ，I(x,y)Υ表示将I(x...

【专利技术属性】
技术研发人员：张涛，蒋培培，张文清，张亚娟，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13