[发明专利]基于牙齿咬合声音的识别方法及系统

权利要求书

1.一种基于牙齿咬合声音的识别方法，其特征在于，包括如下步骤：

S1.数据收集步骤，收集牙齿咬合的声音信号；

S2.数据处理步骤，对收到的声音信号进行处理，提取声音信号中的声音特征；

S3.识别步骤，将声音特征放入机器学习算法的一类模型识别算法中，进行数据的识别和判断；

在所述数据处理步骤中包括：

S21.计算步骤，针对采集到的声音信号，根据信号的时域和频域的特点，得出声音信号能量在频率范围内的分布规律；

S22.滤波步骤，根据得到的频率范围，首先使用巴特沃斯带通滤波，然后把经过巴特沃斯滤波器后的信号再进行三阶自适应阈值小波滤波，经过两次噪声的滤波，有效的去除噪声的干扰；

S23.检测步骤，对信号进行分帧和加窗处理，然后对处理过后的信号采用双阈值峰值检测法来检测咬牙在声音信号中的两个事件；

S24.提取步骤，在所述两个事件中，提取声音峰值的梅尔频率倒谱系数和能量特征，从而得到声音特征。

2.根据权利要求1所述的识别方法，其特征在于，该识别方法还包括：

S4.通过置信度评估算法，将一些具有很高置信度的样本放入到用来训练的数据集中，从而提高识别的精度。

3.根据权利要求1所述的识别方法，其特征在于，

在所述S21.计算步骤中，先检测智能设备的麦克风传感器采集到声音事件，根据所述声音事件的时域和频域的信号分布特征，然后计算出每个声音信号的能量在频率范围下的分布走势图,得到频率伴随能量的分布范围，设定的频率范围为100HZ到10000HZ；

在所述S22.滤波步骤中，首先使用的是带通的巴特沃斯滤波器，带通的频率范围是100HZ到10000HZ，然后对已经通过巴特沃斯滤波器后的信号进行三阶自适应阈值的小波滤波处理，针对在噪声环境里，设定的峰值阈值是0.1，在两个牙齿咬合事件的间隔设置的阈值是20000样本点以内；

在所述S23.检测步骤中，对所述经过两次滤波后的信号进行分帧和加窗处理，对信号的每个分帧为10毫秒，所采用的是帧与帧之间的覆盖是5毫秒，所加的窗函数是汉明窗，对处理后的数据，进行事件检测，所采用的是双阈值峰值检测法，首先根据时域和频域的特征，先设定一个事件的最小峰值阈值为0.05，也就是只保留事件峰值大于等于0.05的信号样本点，然后设定两个事件峰值之间的间隔，设定的阈值为大于2000小于25000的样本点，通过设置的双阈值，获取事件峰值的样本点数据，根据时域信号的特点，分别截取每个事件样本点的前100个样本点和后500个样本点，能有效的截取事件信号；

在所述S24.提取步骤中，获取事件信号，然后提取每个事件信号梅尔频率倒谱系数，提取的是12阶的梅尔频率倒谱系数和1阶的能量系数作为每个事件的特征。

4.根据权利要求2所述的识别方法，其特征在于，

在所述数据收集步骤中，通过麦克风传感器收集牙齿咬合的声音信号；

所述一类模型识别算法为One-Class SVM，所选的参数是:-n 0.5,-s 2 ,-t 2,-g0.0156，进行模型的训练和识别；

所述置信度评估算法是指：通过计算每个样本点到模型的超平面的最大距离，来计算每个样本识别的置信度，然后通过一个从小到大的排序算法把置信度从小到大排列，根据拒识率e来选取一部分的样本进入二类识别算法来进行高精度识别，在有序的置信度序列里选取大于e*n+1的样本，拒识率设为e=0.5%。