咳嗽是呼吸道疾病中一种常见的症状,基于模式识别算法可以对语音信号中咳嗽对象的频度和强度进行客观化分析,进而帮助临床咳嗽的诊断及病程跟踪.在临床录制的连续语音信号中检测出咳嗽对象是咳嗽诊断及分析的基础.本文将咳嗽检测视为模...咳嗽是呼吸道疾病中一种常见的症状,基于模式识别算法可以对语音信号中咳嗽对象的频度和强度进行客观化分析,进而帮助临床咳嗽的诊断及病程跟踪.在临床录制的连续语音信号中检测出咳嗽对象是咳嗽诊断及分析的基础.本文将咳嗽检测视为模式识别中的二分类问题,借助于分类器将咳嗽对象从背景信号中分离.在深入研究咳嗽频谱分布的基础上,提出一种新的基于高频子带的特征提取方法(High-frequency subband features method),在提取咳嗽信号特征之前,使用高频滤波器获取高频部分信号.在合成实验数据的过程中使用了不同的噪声类型和信噪比来组成不同的实验环境,并且在每种实验环境下对几种特征提取方法进行了评价与分析.实验结果表明,相比于常见的语音信号特征,结合基于高频子带特征的咳嗽检测方法在检测正确率等性能指标上有显著地提升.展开更多
文摘咳嗽是呼吸道疾病中一种常见的症状,基于模式识别算法可以对语音信号中咳嗽对象的频度和强度进行客观化分析,进而帮助临床咳嗽的诊断及病程跟踪.在临床录制的连续语音信号中检测出咳嗽对象是咳嗽诊断及分析的基础.本文将咳嗽检测视为模式识别中的二分类问题,借助于分类器将咳嗽对象从背景信号中分离.在深入研究咳嗽频谱分布的基础上,提出一种新的基于高频子带的特征提取方法(High-frequency subband features method),在提取咳嗽信号特征之前,使用高频滤波器获取高频部分信号.在合成实验数据的过程中使用了不同的噪声类型和信噪比来组成不同的实验环境,并且在每种实验环境下对几种特征提取方法进行了评价与分析.实验结果表明,相比于常见的语音信号特征,结合基于高频子带特征的咳嗽检测方法在检测正确率等性能指标上有显著地提升.
