[发明专利]基于功率归一化倒谱系数特征的帕金森病语音检测方法

权利要求书

1.一种基于功率归一化倒谱系数特征的帕金森病语音检测方法,其特征在于，所述的基于功率归一化倒谱系数特征的帕金森病语音检测方法包括步骤如下：

1)建立帕金森病语音库和健康语音库

相对安静环境中的帕金森病语音库来自美国加州大学欧文分校UCI机器学习数据库中的帕金森病语音库，把其中元音/a/的发音分割成98个音频文件；

健康语音库是在相对安静环境中采用手机录制的，共78个元音/a/的音频文件；

帕金森病语音和健康语音的采样频率都转换为16kHz，文件都为wav格式；此处得到相对安静环境中的帕金森病语音库和健康语音库；

2)对语音信号进行功率归一化倒谱系数特征提取；

3)利用外积得到特征向量；

4)对特征向量进行功率和l₂范数归一化；

5)利用SVM训练帕金森病语音和健康语音模型；

6)利用SVM分类方法进行分类，实现帕金森病语音检测

SVM分类方法利用LIBSVM工具箱中Python语言实现，利用步骤5)得到的语音模型，调用svm_predict函数，利用data.txt文件中的剩下的1份进行测试，得到帕金森病语音分类结果，即为帕金森病语音检测结果。

2.按照权利要求1所述的基于功率归一化倒谱系数特征的帕金森病语音检测方法,其特征在于，所述的对语音信号进行功率归一化倒谱系数特征提取是指：

1)对语音信号进行预处理

利用系统函数为H(Z)＝1-αz^-1的一阶高通滤波器对语音信号进行预加重提升高频成分，其中α为接近1的常数,然后进行分帧，加窗,帧长为N个采样点，帧重叠为P个采样点；

2)利用Gamma tone滤波器进行滤波，得到语音短时功率谱；

3)对语音短时功率谱进行加权平滑；

4)计算功率归一化倒谱系数特征，步骤如下：

(1)利用计算平均功率μ[m]，

式中：λ_μ为常数，μ[0]＝0为初始值；

(2)利用U[m,l]＝βT[m,l]/μ[m]计算归一化功率U[m,l]，其中：β为常数；

(3)利用V[m,l]＝log(U[m,l])对归一化功率非线性化；

(4)对V[m,l]进行离散余弦变换得D[m,q]，取前Q个系数，其中：1≤q≤Q；

(5)利用实现功率归一化倒谱系数特征y[m,q]的提取。

3.按照权利要求2所述的基于功率归一化倒谱系数特征的帕金森病语音检测方法,其特征在于，所述的利用Gamma tone滤波器进行滤波，得到语音短时功率谱是指：

(1)分别对每帧语音信号进行K点离散傅立叶变换，得到语音信号的傅立叶变换系数其中m为帧序号，1≤m≤M,M为帧总数，ω_k＝2πk/K，0≤k≤K-1；

(2)设Gamma tone滤波器的个数为L，第l个Gamma tone滤波器的系统函数满足1≤l≤L；

(3)利用得到语音短时功率谱。