一种基于声纹特征筛选及变换域二次特征提取的分类方法技术

要求小于等于300字符。本发明专利技术属于机器学习及数据分类技术领域，尤其涉及一种基于声纹特征筛选及变换域二次特征提取的分类方法。所述方法为：将语音数据提取多种特征数据，然后将所述特征数据进行特征筛选、二次特征提取及特征融合处理得到待分类数据，最后对所述待分类数据进行分类得到分类结果；所述方法打破了常用抑郁症诊断方法主观性较强，导致抑郁症漏诊和误诊严重的缺陷，实现了抑郁症的客观诊断和高准确率识别。

【技术实现步骤摘要】

本专利技术属于机器学习、数据表示与分类，尤其涉及一种基于声纹特征筛选及变换域二次特征提取的分类方法。

技术介绍

1、随着社会发展和人们工作、生活节奏的不断加快，由社会各方面因素造成的心理压力使得大众心理疾病患病率持续激增，在众多心理疾病中，抑郁症、焦虑症、多动症等为情绪障碍的典型疾病类型，已经成为本世纪影响人类身心健康的主要危险因素之一。据世界卫生组织的统计数据显示，抑郁症在全球20个主要自杀原因中排名首位，全球有3.5亿人被诊断患有抑郁症，患病率约为4.4％，自杀率高达1.5％，每年由抑郁症和焦虑症导致的生产力丧失使得全球经济损失近1万亿美元。多动症的比例在儿童患病人群中高达20％以上。并且，情绪障碍疾病不仅会严重影响个人的身体健康，也会严重阻碍社会的发展。因此，不管是从个人还是社会方面考虑，情绪障碍类疾病的早诊断早治疗都是必须解决的重点问题，具有实际应用价值。

2、常见的情绪类辅助诊断工具有两种，一种是诊断治疗手册，另一种是症状评定量表，这些诊断方法的主观因素较强，导致情绪类疾病的诊疗标准不客观以及漏诊和误诊问题严重。</p>

3、本专本文档来自技高网...

【技术保护点】

1.一种基于声纹特征筛选及变换域二次特征提取的分类方法，其特征在于，包括：

2.根据权利要求1所述的分类方法，其特征在于，S1所述谱特征，包括RASTA听觉谱、梅尔倒谱系数、谱能量、谱方差、谱流量、谱倾斜、谱熵及谱峭度；所述梅尔倒谱系数，即MelFrequency Cepstrum Coefficient，简称为MFCC；所述基频，即Fundamental Frequency,简称F0。

3.根据权利要求1所述的分类方法，其特征在于，S1所述能量特征，包括听觉谱的和、相对光谱滤波后听觉谱的和、均方根能量及过零率；所述韵律特征，包括基频、发声概率、频率微扰及振幅微扰...

【技术特征摘要】

1.一种基于声纹特征筛选及变换域二次特征提取的分类方法，其特征在于，包括：

2.根据权利要求1所述的分类方法，其特征在于，s1所述谱特征，包括rasta听觉谱、梅尔倒谱系数、谱能量、谱方差、谱流量、谱倾斜、谱熵及谱峭度；所述梅尔倒谱系数，即melfrequency cepstrum coefficient，简称为mfcc；所述基频，即fundamental frequency,简称f0。

3.根据权利要求1所述的分类方法，其特征在于，s1所述能量特征，包括听觉谱的和、相对光谱滤波后听觉谱的和、均方根能量及过零率；所述韵律特征，包括基频、发声概率、频率微扰及振幅微扰。

4.根据权利要求1所述的分类方法，其特征在于，s1所述一条语音为某人的y条语音中的一条且称某人y条语音统称为一个样本；样本的总数为x，x个样本中包括m个正常人和n个已确诊的抑郁症患者；x个样本中的所有语音条数为(m+n)×y＝x×y。

【专利技术属性】
技术研发人员：卢继华，李兆军，冯立辉，杨爱英，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：