【技术实现步骤摘要】
一种呼吸声音特征自动抽取方法、装置、存储介质及系统
[0001]本专利技术涉及呼吸声音特征自动抽取
，尤其涉及一种呼吸声音特征自动抽取方法、装置、计算机可读存储介质及系统。
技术介绍
[0002]呼吸声音特征抽取在健康领域具有重要价值，因为这是一种无创伤的方法，用于辅助诊断和监测非正常呼吸音。因为呼吸音是由人类呼吸系统中的气流引起的，而这些气流本身是不稳定的，并且受多种因素的影响，如呼吸节律、呼吸深度、肺容量等等。此外，呼吸音也受到许多外部因素的干扰，例如环境噪声、呼吸道阻塞或狭窄、肺部疾病等等。这些因素都可以导致呼吸音的频率、振幅和形态发生变化，使得呼吸音信号更加不稳定。因此，呼吸音是一种不稳定的信号，这使得其分析和处理变得更加困难，需要使用特殊的信号处理和分析方法来有效地处理和解释呼吸音信号。
[0003]在现有技术中，通常通过时间域特征提取法、频率域特征提取法、Mel频率倒谱系数提取法、线性预测倒谱系数提取法、常用子带参数提取法以及小波变换提取法进行特征抽取，其中，最经典的两种的特征抽取方法，即MFCC(...
【技术保护点】
【技术特征摘要】
1.一种呼吸声音特征自动抽取方法，其特征在于，所述自动抽取方法包括：获取待抽取的音频信号样本；根据预设的分频数量、预设的窗口参数组、预设的S变换方法、预设的Mel频率倒谱系数变换法以及所述音频信号样本，获得第一融合矩阵；将所述第一融合矩阵输入预设的呼吸特征抽取神经网络中以进行特征抽取，获得呼吸特征向量。2.根据权利要求1所述的呼吸声音特征自动抽取方法，其特征在于，根据预设的分频数量、预设的窗口参数组、预设的S变换方法、预设的Mel频率倒谱系数变换法以及所述音频信号样本，获得第一融合矩阵，具体包括：根据预设的分频数量、预设的Mel频率倒谱系数变换法以及所述音频信号样本，获得梅尔倒谱系数矩阵；根据预设的窗口参数组、所述音频信号样本以及预设的S变换方法，获得第一特征矩阵；根据预设的拼接方法、将所述梅尔倒谱系数矩阵以及所述第一特征矩阵进行拼接，获得第一融合矩阵。3.根据权利要求2所述的呼吸声音特征自动抽取方法，其特征在于，根据预设的分频数量、预设的Mel频率倒谱系数变换法以及所述音频信号样本，获得梅尔倒谱系数矩阵，具体包括：将所述音频信号样本分成若干个第一信号帧，并根据预设的窗函数对各个第一信号帧进行窗函数处理，对应获得第二信号帧；每个第二信号帧进行傅里叶变换以获取若干个频域信号；将所述频域信号对应划分到若干个频段以获取若干个频域信号组，并通过预设的梅尔滤波器分别对各个频域信号组进行滤波处理，对应获得若干个对数能量谱；每个对数能量谱对应一个频域信号组；对各个对数能量谱进行离散余弦变换并以矩阵形式输出，获得梅尔倒谱系数矩阵。4.根据权利要求3所述的呼吸声音特征自动抽取方法，其特征在于，根据预设的窗口参数组、所述音频信号样本以及预设的S变换方法，获得第一特征矩阵，具体包括：根据预设的窗口参数组设置加窗函数；根据所述加窗函数，分别对各个音频信号样本进行S变换以对应获取...
【专利技术属性】
技术研发人员：陈海，孙奕炜，
申请(专利权)人：北京师范大学珠海分校，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。