一种人体健康监控的方法和系统技术方案

本发明专利技术涉及人工智能技术，尤其涉及一种人体健康监控的方法和系统。该方法包括以下步骤：获取语音信号以及位置信息，进行预加重处理，得到预加重语音信号；对预加重语音信号进行分帧处理，得到分帧信号；对分帧信号进行加窗处理，得到加窗分帧信号；对加窗分帧信号进行特征处理得到用户特征信号与健康特征信号；利用预设的用户健康检测模型集对用户特征信号进行匹配及识别，得到健康状态变化信息集；利用预设的病情检测模型集对健康特征信号进行匹配及识别，得到病情预测信息集；根据健康状态变化信息集与病情预测信息集进行分析，得到健康风险指数。本发明专利技术还提出一种人体健康监控的系统。本发明专利技术可以通过语音识别对某些病症进行诊断。进行诊断。进行诊断。

【技术实现步骤摘要】
一种人体健康监控的方法和系统


[0001]本专利技术涉及人工智能
，尤其涉及一种人体健康监控方法和系统。

技术介绍

[0002]随着人工智能技术的发展，“AI+医疗”成为了人工智能
里的一个热门话题；在智能医疗领域中，医疗诊断一直是一个热点话题，在现今“AI+医疗”中，医疗诊断大多采用图像识别技术进行辅助诊断。
[0003]语音识别技术是人工智能技术的一项关键技术，如何通过语音识别技术与医疗诊断结合起来，进一步拓宽并释放的“AI+医疗”的潜能，便成为了一个突出的问题。

技术实现思路

[0004]本专利技术提供一种人体健康监控的方法和系统，其主要目的在于解决以上所述问题；
[0005]本专利技术提供的一种人体健康监控的方法，包括以下步骤：
[0006]步骤S1：获取语音信号以及产生语音信息的位置信息，对所述语音信号进行预加重处理，得到预加重语音信号；
[0007]步骤S2：对所述预加重语音信号进行分帧处理，得到分帧信号；
[0008]步骤S3：对分帧信号进行加窗处理，得到加窗分帧信号；
[0009]步骤S4：对加窗分帧信号进行特征处理得到用户特征信号与健康特征信号；
[0010]步骤S5：利用预设的用户健康检测模型集对所述用户特征信号进行匹配以及识别，得到用户的健康状态变化信息集；利用预设的病情检测模型集对所述健康特征信号进行匹配及识别，得到病情预测信息集；
[0011]步骤S6：根据健康检测模型集与病情预测信息集通过健康风险指数计算公式进行计算，得到健康风险指数。
[0012]本实施例通过预设的健康检测模型集与病情预测信息集对特征识别后语音产生的特征信息进行识别，从而得到健康风险指数，来实现对病情的诊断，从而实现对人体健康的监控。其中预设的健康检测模型集是用户当前语音与用户在不同健康条件下的语音进行识别并匹配，存在可能未被录入且属于健康水平的语音的情况，容易出现误诊的情况；预设的病情预测信息集通过收录的各种疾病信息情况下的病人语音进行构建生成，根据预设的病情预测信息集对用户语音进行匹配以及识别，判断用户语音信号与各种疾病信息情况下的病人语音信号之间的相似度，从而生成病情预测信息集，中间也存在病情预测信息集由于训练参数过多导致对用户语音信号的错误判断，从而引发误诊的情况；通过基于用户自身建立的健康检测模型集与基于不同生理条件以及不同疾病信息的病人语音信号构建的病情预测信息集对用户语音信号进行匹配并生成相应的健康状态变化信息集与病情预测信息集，并通过健康风险指数公式进行计算，从而降低误诊的风险，提高人体健康监控的可靠性。
[0013]本专利技术提供一个实施例，获取语音信息，对所述语音信号进行预加重处理，得到预加重信号的步骤具体为：
[0014]获取待分析的语音信号以及产生语音信息的位置信息；
[0015]根据位置信息对待分析的语音信号进行处理，生成去噪语音；
[0016]对所述去噪语音进行滤波处理，得到滤波语音；
[0017]对所述滤波语音进行预加重处理，得到预加重语音信号。
[0018]本实施例通过对语音信息基于位置的去噪处理以及标准处理，从而得到更加贴近本人的发音，从而使得处理数据更加准确。
[0019]本专利技术提供一个实施例，对所述预加重语音信号进行分帧处理，获得分帧信号的步骤具体为：
[0020]根据预设的阈值长度选择序列以及位置信息进行分析，生成特定位置阈值长度；
[0021]根据所述特定位置阈值长度对预加重语音信号进行分帧处理，得到分帧信号。
[0022]本实施例通过根据位置分析得出的阈值长度从而进行分帧处理，比如说在才是超市、菜市场以及街道路段，噪声较多，需要截取阈值长度较高的语音信号进行分析，在郊区、公园地段，噪声较少，只需截取阈值长度较短的语音信号机械能分析就能得到更加精准的分帧信号，从而以使得处理数据更加精确。
[0023]本专利技术提供一个实施例，对所述去噪语音进行滤波处理，得到滤波语音具体为：
[0024]将所述去噪语音通过滤波判断处理公式进行计算处理，得到滤波语音；
[0025]所述滤波判断处理公式如下所示:
[0026][0027]V为滤波判断处理值，x为去噪语音从第一帧到第N帧对应的第n帧去噪语音帧，n的取值范围为0、1、2
…
N
‑
1，j为滤波判断处理公式的倍率调整项，k为滤波判断处理公式的平移调整项，θ为所述滤波判断公式的离散程度值，u为所述滤波判断公式的均值。
[0028]本实施例通过滤波判断处理公式对去噪语音进行处理，从而得到滤波语音，其中，θ以及u根据人自身生理特征发出的语音频率进行计算获得的，所述滤波判断处理公式充分考虑到语音自身携带噪音去除，以及人自身生理特征发出的语音频率的预估值，并将其之间的关系进行联系从而得出滤波语音，有别于传统的高通滤波、低通滤波以及DCT处理方式，在去除噪音的基础上增加了对滤波的预估从而增加滤波语音的真实性，以方便为后续语音识别提高精准度。
[0029]本专利技术提供一个实施例，对分帧信号进行加窗处理，得到加窗分帧信号的步骤包括以下步骤：
[0030]根据分帧信号所属的位置信息对预设的窗口特征进行分析，生成特定窗口特征，所述窗口特征包括窗口类型以及窗口长度；
[0031]根据特定窗口特征对分帧信号进行处理，得到加窗分帧信号。
[0032]本实施例通过根据位置分析得出的加窗类型以及加窗长度，对分帧信号进行处理得到加窗分帧信号，其矩形窗对低噪音地区语音进行处理能得到更加平滑的数据，其汉明窗对高噪音地区的语音进行处理能够最大程度保证数据完整性，通过矩形窗和汉宁窗的分
别处理，从而可以得到质量更好的语音分帧信号；根据不同的位置设置不同的加窗长度，分析对象的幅度分辨率比频域分辨率更高，则需要宽的主瓣；分析对象的频域分辨率比幅度分辨率更高，则需要更窄的主瓣，而本案根据不同的位置信息采用不同的加窗长度和加窗类型，从而提高针对性，能够兼顾不同地理位置的噪声情况，决定获得需要宽的主瓣或者更窄的主瓣，最终提高语音识别获得特征信号的精准度。
[0033]本专利技术提供一个实施例，对加窗分帧信号进行特征处理得到用户特征信号与健康特征信号的步骤具体为：
[0034]根据位置信息选中预设的位置特征集，得到位置特征；
[0035]根据位置特征从所述加窗分帧信号中提取用户特征信号；
[0036]根据预设的病人特征集将所述加窗分帧信号转化成多维向量形式的健康特征信号。
[0037]本实施例通过预选的位置特征集，对加窗分帧信号进行分析，生成更加贴合用户生理特性的特征序列，同时通过预设的病人特征集对加窗分帧信号进行分析，获得健康特征信号，为接下来的分析计算做准备。
[0038]本专利技术提供一个实施例，步骤S6中所述预设的用户健康检测模型集的建立步骤具体为：
[0039]采集用户在各种健康状况下的语音信息；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体健康监控的方法，其特征在于，包括以下步骤：步骤S1：获取语音信号以及产生语音信息的位置信息，对所述语音信号进行预加重处理，得到预加重信号；步骤S2：对所述预加重信号进行分帧处理，得到分帧信号；步骤S3：对分帧信号进行加窗处理，得到加窗分帧信号；步骤S4：对加窗分帧信号进行特征处理得到用户特征信号与健康特征信号；步骤S5：利用预设的用户健康检测模型集对所述用户特征信号进行匹配及识别，得到用户的健康检测模型集；利用预设的病情检测模型集对所述健康特征信号进行匹配及识别，得到病情预测信息集；步骤S6：根据健康检测模型集与病情预测信息集通过健康风险指数计算公式进行计算，得到健康风险指数。2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：获取待分析的语音信号以及产生语音信息的位置信息；根据位置信息对待分析的语音信号进行处理，生成去噪语音对所述去噪语音进行滤波处理，得到滤波语音；对所述滤波语音进行预加重处理，得到预加重语音信号。3.根据权利要求2所述的方法，其特征在于，对所述去噪语音进行滤波处理，得到滤波语音具体为：将所述去噪语音通过滤波判断处理公式进行计算处理，得到滤波语音；所述滤波判断处理公式如下所示:V为滤波判断处理值，x为去噪语音从第一帧到第N帧对应的第n帧去噪语音帧，n的取值范围为0、1、2
…
N
‑
1，j为滤波判断处理公式的倍率调整项，k为滤波判断处理公式的平移调整项，θ为所述滤波判断公式的离散程度值，u为所述滤波判断公式的均值。4.根据权利要求1所述的方法，其特征在于，步骤S2具体为：根据预设的阈值长度选择序列以及位置信息进行分析，获得特定位置阈值长度；根据所述特定位置阈值长度对预加重语音信号进行分帧处理，得到分帧信号。5.根据权利要求1所述的方法，其特征在于，步骤S3具体为：根据分帧信号所属的位置信息对预设的窗口特征进行分析，获得特定窗口特征，所述窗口特征包括窗口类型以及窗口长度；...

【专利技术属性】
技术研发人员：余海波，廖嘉庚，陆彬华，
申请(专利权)人：深圳市品声科技有限公司，
类型：发明
国别省市：