一种生理声音自动识别方法技术

本发明专利技术公开了一种生理声音自动识别方法。所述生理声音自动识别方法包括以下步骤：采集生理声音，提取生理音频并进行逆转化操作，确定音频信号；根据频谱系数，将所述音频信号向量化，获取频率特征向量，并进行平均计算处理，确定频谱特征点；根据所述频谱特征点，将生理音频通过分类器进行分类，获取分类音频；将所述分类音频进行对比处理，获取风险评估结果。本发明专利技术提供一种生理声音自动识别方法，极大的提高声音采集精准度，提高了音频场景的安全性。性。

【技术实现步骤摘要】
一种生理声音自动识别方法


[0001]本专利技术涉及生理声音识别
，具体的，涉及一种生理声音自动识别方法。

技术介绍

[0002]目前，生理声音的研究大多数从任何动物出发，在人和动物引起的听觉过程中，发现生理声音的机理和特性；研究人和动物声音的声音信号的特征、声音加工识别、发声机制和声音接收，而生理声音对于生物组织的效应有着巨大影响，包括对超声诊断的理论和应用也有着不可忽视的作用，并且生理声音的传播比光电等信息通道等的传播方式更加便利和快捷，随着生理声音的发展和研究越来越深入，其应用面也越来越广泛。但是，现有的声音采集还是不太严谨，在音域分类的时候存在风险，场景的安全性不足。

技术实现思路

[0003]为了解决上述生理声音采集时存在风险的技术问题，本专利技术提供一种生理声音自动识别方法，通过预设的采集范围和对生理声音采集规定，极大的提高声音采集精准度，提高了方法执行的效率；通过对音频进行逆转化，提高了方法步骤的严谨性，再通过对音频信号向量化和平均计算，保证了计算效率，最后对获取的分类音频进行风险评估，提高了音频场景的安全性。
[0004]本专利技术提供了一种生理声音自动识别方法，包括以下步骤：步骤一、采集生理声音，提取生理音频并进行逆转化操作，确定音频信号；步骤二、根据频谱系数，将所述音频信号向量化，获取频率特征向量，并进行平均计算处理，确定频谱特征点；步骤三、根据所述频谱特征点，将生理音频通过分类器进行分类，获取分类音频；步骤四、将所述分类音频进行对比处理，获取风险评估结果。
[0005]在本专利技术提供的生理声音自动识别方法的一种较佳实施例中，所述步骤一包括：获取预设范围内的生理音频，并记录所述生理音频的获取时间；根据所述获取时间，确定生理音频的时间戳，并根据所述时间戳，获取音频逆转化时间，对生理音频进行逆转化，确定音频信号；其中，所述逆转化操作包括：滤除高频音频、提取音频振动数据。
[0006]在本专利技术提供的生理声音自动识别方法的一种较佳实施例中，所述步骤二包括：对所述音频信号进行频谱图检测，获取频谱系数；其中，所述频谱图检测包括：线性振幅谱检测、对数振幅谱检测、自功率谱检测；对所述频谱系数进行特征提取，获取频率特征向量，将所述频率特征向量带入均值处理函数进行平均计算，确定频谱特征点；其中，所述特征提取包括：时域特征值提取、频域特征值提取。
[0007]在本专利技术提供的生理声音自动识别方法的一种较佳实施例中，所述步骤三包括：对频谱特征点进行提取处理，获取频谱特征信息；其中，
所述频谱特征信息包括：频谱幅值特征、频谱功率特征、频谱细化特征；根据所述频谱特征信息，对生理音频进行分类处理，获取音频分类信息；其中，所述音频分类信息包括：音频一级类别、音频二级类别、音频大小。
[0008]在本专利技术提供的生理声音自动识别方法的一种较佳实施例中，所述步骤四包括：将分类音频信息与生理音频信息进行对比，获取音频对比度；根据音频对比度，对生理音频信息进行风险评估，获取评估结果；其中，当所述音频对比度在预设阈值内时，则评估结果为安全，获取安全信息；当所述音频对比度不在预设阈值内时，则评估结果为有风险，进行二次评估，获取风险等级。
[0009]相较于现有技术，本专利技术提供的生理声音自动识别方法具有以下有益效果：通过预设的采集范围和对生理声音采集规定，极大的提高声音采集精准度，提高了方法执行的效率；通过对音频进行逆转化，提高了方法步骤的严谨性，再通过对音频信号向量化和平均计算，保证了计算效率，最后对获取的分类音频进行风险评估，提高了音频场景的安全性。
具体实施方式
[0010]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0011]本专利技术提供一种生理声音自动识别方法，包括以下步骤：步骤一、采集生理声音，提取生理音频并进行逆转化操作，确定音频信号；具体的，所述步骤一包括：获取预设范围内的生理音频，并记录所述生理音频的获取时间；根据所述获取时间，确定生理音频的时间戳，并根据所述时间戳，获取音频逆转化时间，对生理音频进行逆转化，确定音频信号；其中，所述逆转化操作包括：滤除高频音频、提取音频振动数据；步骤二、根据频谱系数，将所述音频信号向量化，获取频率特征向量，并进行平均计算处理，确定频谱特征点；具体的，所述步骤二包括：对所述音频信号进行频谱图检测，获取频谱系数；其中，所述频谱图检测包括：线性振幅谱检测、对数振幅谱检测、自功率谱检测；对所述频谱系数进行特征提取，获取频率特征向量，将所述频率特征向量带入均值处理函数进行平均计算，确定频谱特征点；其中，所述特征提取包括：时域特征值提取、频域特征值提取；步骤三、根据所述频谱特征点，将生理音频通过分类器进行分类，获取分类音频；具体的，所述步骤三包括：对频谱特征点进行提取处理，获取频谱特征信息；其中，所述频谱特征信息包括：频谱幅值特征、频谱功率特征、频谱细化特征；根据所述频谱特征信息，对生理音频进行分类处理，获取音频分类信息；其中，
所述音频分类信息包括：音频一级类别、音频二级类别、音频大小；步骤四、将所述分类音频进行对比处理，获取风险评估结果；具体的，所述步骤四包括：将分类音频信息与生理音频信息进行对比，获取音频对比度；根据音频对比度，对生理音频信息进行风险评估，获取评估结果；其中，当所述音频对比度在预设阈值内时，则评估结果为安全，获取安全信息；当所述音频对比度不在预设阈值内时，则评估结果为有风险，进行二次评估，获取风险等级。
[0012]本专利技术提供的生理声音自动识别方法1具有以下有益效果：通过预设的采集范围和对生理声音采集规定，极大的提高声音采集精准度，提高了方法执行的效率；通过对音频进行逆转化，提高了方法步骤的严谨性，再通过对音频信号向量化和平均计算，保证了计算效率，最后对获取的分类音频进行风险评估，提高了音频场景的安全性。
[0013]以上所述仅为本专利技术的实施例，并非因此限制本专利技术的专利范围，凡是利用本专利技术说明书所作的等效结构或等效流程变换，或直接或间接运用在其它相关的
，均同理包括在本专利技术的专利保护范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生理声音自动识别方法，其特征在于，包括以下步骤：步骤一、采集生理声音，提取生理音频并进行逆转化操作，确定音频信号；步骤二、根据频谱系数，将所述音频信号向量化，获取频率特征向量，并进行平均计算处理，确定频谱特征点；步骤三、根据所述频谱特征点，将生理音频通过分类器进行分类，获取分类音频；步骤四、将所述分类音频进行对比处理，获取风险评估结果。2.根据权利要求1所述的生理声音自动识别方法，其特征在于，所述步骤一包括：获取预设范围内的生理音频，并记录所述生理音频的获取时间；根据所述获取时间，确定生理音频的时间戳，并根据所述时间戳，获取音频逆转化时间，对生理音频进行逆转化，确定音频信号；其中，所述逆转化操作包括：滤除高频音频、提取音频振动数据。3.根据权利要求1所述的生理声音自动识别方法，其特征在于，所述步骤二包括：对所述音频信号进行频谱图检测，获取频谱系数；其中，所述频谱图检测包括：线性振幅谱检测、对数振幅谱检测、自功率谱检测...

【专利技术属性】
技术研发人员：杨水珍，
申请(专利权)人：湖南心健医疗科技有限公司，
类型：发明
国别省市：