【技术实现步骤摘要】
本专利技术属于语音处理及模式识别领域，涉及基于语音信号及对比学习的抑郁检测方法。
技术介绍
1、抑郁症检测通常依靠医患交流及临床观察，面临着专科医师严重缺乏、初步筛查保健医生水平不一的困境，受限于当地医疗水平以及医生专业技能水平。而语音是人的生理状态的综合反映，随着语音信号分析处理技术的高速发展，基频、共振峰特征、线性预测系数、梅尔倒谱系数等语音特征参数可作为一个评估抑郁症相对客观并且可量化的指标，同时具有着容易采集及成本低的特点。因此，可以通过对用户语音特征的分析，为抑郁症的临床检测提供一种基于用户实际表现的客观参考。
2、如公开号为cn116965819a的现有技术提出了一种基于语音表征的抑郁症识别方法和系统，获取受试者的语音信号及抑郁程度评分；对受试者的语音信号进行预处理；构建语音特征集；将语音特征集分为训练集、验证集和测试集；训练集训练采用基于深度的监督学习下的机器学习方法，建立残差神经网络模型与长短期记忆递归神经网络模型以基于所述语音特征识别并分类抑郁症患者和健康受试者；使用验证集对所述模型进行检验和优化；使用测试...
【技术保护点】
1.一种基于语音信号及对比学习的抑郁检测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的基于语音信号及对比学习的抑郁检测方法，其特征在于：在步骤S1中，抑郁语音目标数据集和常规语音背景数据集中的语音信号包括采样频率、音频长度；对抑郁语音目标数据集和常规语音背景数据集进行预处理的过程包括对音频文件进行分割，对不满足分割长度的音频进行填充或去除。
3.根据权利要求2所述的基于语音信号及对比学习的抑郁检测方法，其特征在于：在步骤S2中，提取抑郁语音目标数据集和常规语音背景数据集中的声谱图特征包括以下步骤：
4.根据权利要...
【技术特征摘要】
1.一种基于语音信号及对比学习的抑郁检测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的基于语音信号及对比学习的抑郁检测方法，其特征在于：在步骤s1中，抑郁语音目标数据集和常规语音背景数据集中的语音信号包括采样频率、音频长度；对抑郁语音目标数据集和常规语音背景数据集进行预处理的过程包括对音频文件进行分割，对不满足分割长度的音频进行填充或去除。
3.根据权利要求2所述的基于语音信号及对比学习的抑郁检测方法，其特征在于：在步骤s2中，提取抑郁语音目标数据集和常规语音背景数据集中的声谱图特征包括以下步骤：
4....
【专利技术属性】
技术研发人员：刘志超，黄楠，李章勇，李欣蔚，刘艳平，汪露，王伟，赵东君，郑宇淼，
申请(专利权)人：重庆邮电大学，
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。