[发明专利]一种基于聚类的使用语音判断帕金森严重程度检测方法

权利要求书

1.一种基于聚类的使用语音判断帕金森严重程度检测方法，其特征在于，包括如下步骤：

S1、语音信号的采集

选择元音，通过采集设备，采集如下内容：病人编号、姓名、年龄、性别、是否确诊为帕金森、是否有其他导致语音障碍的疾病、患病时间、UPDRS(运动)、UPDRS(整体)、采集日期及时间、当天第几次采集；

S2、语音信号的预处理

对语音进行语音信号的预处理，包括格式转换，采样频率转换，预加重，加窗和分帧，去除无声部分，进行基频提取；

S3、提取所有的语音特征

包括基频特征Pitch、基频扰动Jitter、振幅扰动Shimmer、信噪比特征、非线性特征；

S4、模型及计算

基于支持向量机的分类算法，利用线性可分SVM分类器，以及非线性模型，SVM通过引入核函数建立模型；将S3所得特征数据以及医生给出的信息进行一一对应，行成数据集；使用k-means进行聚类，对于每一个聚类的类别，将数据集按3:1的比例分为训练集和测试集；针对每一个聚类行程的类别，训练集使用支持向量机的分类算法及SVM模型进行分类模型训练，使用支持向量回归SVR方法进行回归模型训练，使用网格搜索方法进行优化模型，将训练好的，每一类别的模型参数进行保存。

S5、进行预测

对于聚类的每个分类，载入以上训练过程中得到的分类及回归模型；输入需要判断和预测的数据，计算距离判断所属类别，使用该类别对应的模型对数据进行分类计算，得到分类结果。将分类结果再进行处理，对于预测是未患有帕金森病的测试者，将标记值置设为0，对于预测患有帕金森病的测试者，再使用SVR进行回归预测，得到计算出的标记值，通过标记值进行患病者的严重程度推测，结束进程；

S6、反馈结果

将预测的结果通过接口，反馈回前端，展示给用户。

2.根据权利要求1所述基于聚类的使用语音判断帕金森严重程度检测方法，其特征在于，步骤S3中基频特征Pitch采用自相关法来进行基频的提取；

对于确定性的信号，短时自相关函数的定义为：

然后对于每一帧的自相关函数，需要找到其第一个过零点之后最大的峰值，其对应的下标k值就是该帧语音对应的基音周期，对k取倒数就是基频；

一般基频用来表示，由于在语音预处理的时候对语音信号进行了分帧处理，所以每一帧都会有一个对应的，这样就可以得到一个基频序列。

而基频特征就是在提取出的基频序列基础上，计算一些简单的统计学的参数。

3.根据权利要求1所述基于聚类的使用语音判断帕金森严重程度检测方法，其特征在于，步骤S3中，Jitter用来表示基频的扰动，即基音周期偏离周期的程度，由于音频采用的是持续发音法，且发长元音，可以排除元辅音交替的基频扰动；

Jitter计算的时候使用的不是基频，而是基音周期，基音周期定义如下：

其中，n表示帧，N代表了帧的总数，指的是第n帧的基频，指的就是第n帧的基音周期；

(1)Jitter：即基音周期的相对扰动，是相邻基音周期的差的平均绝对值，与基音周期的平均值的比值，反映了整体受试者对声带振动的相对控制能力；其公式为：

(2)Jitter_abs：即基音周期的绝对扰动，就是相邻基音周期的差的平均绝对值，反映了整体受试者对声带振动的绝对控制能力；其公式为：

(3)Jitter_PPQ5：即基音周期相邻5点扰动，是某一帧基音周期与其相邻5帧的平均基音周期之差的平均绝对值，一定程度反映了一段时间受试者对声带振动的控制能力；其公式为：

(4)Jitter_rap：即基音周期相邻3点扰动，是某一帧基音周期与其相邻3帧的平均基音周期之差的平均绝对值，一定程度反映了一段时间受试者对声带振动的控制能力；其公式为：

(5)Jitter_ddp：即基音周期相邻3点扰动之差，是相邻3帧基音周期之间的差的的差值，再求平均绝对值，一定程度反映了一小段时间内受试者对声带振动的控制能力的差值；其公式为：