[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

说明书

本发明公开了基于功率归一化倒谱系数特征的帕金森病语音检测方法，为克服帕金森病语音检测中易受噪声干扰的问题，通过Gammatone滤波器、去除噪声、功率归一化等方法增强所提取特征的鲁棒性，检测方法步骤：1)建立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:首先对语音信号进行预处理,然后利用Gammatone滤波器进行滤波，得到语音短时功率谱,接下来对语音短时功率谱进行加权平滑，最后计算功率归一化倒谱系数特征；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。

技术领域

本发明涉及信号处理和模式识别技术领域的一种方法，更确切地说，本发明涉及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。

背景技术

帕金森病是一种常见的神经退行性疾病，严重影响人类的健康。随着人口老龄化的加剧，帕金森病患者越来越多，并且有年轻化的趋势，帕金森病诊治形势日益严峻。随着时间的发展，该病症状越来越严重，并且不能彻底治愈，但早期干预和治疗能够缓解症状，提高患者生活质量。由于帕金森病发病初期症状不明显，而且没有一个普遍适用的标准能够快速准确地诊断帕金森病，很容易漏诊和误诊。大部分患者从出现症状到临床确诊，平均需要10个月时间，误诊率很高。如果能够实现帕金森病的可靠检测，使患者能在早期接受治疗，在延缓其病情发展，提高其生活质量，减轻家庭和社会负担等方面具有重要的意义。

研究表明，超过90％的帕金森病患者具有语言障碍，随着病情加重这种症状越来越明显，表现为讲话速度异常、音量变低、高次谐波频谱能量降低、声音震颤、音调变化、不合适宜的停顿等。由于语音信号采集方便，易于存储和传输，利用语音特征检测帕金森病具有简单、无创、成本低、可远程实现、容易普及等优点，这一领域的研究引起了国内外众多学者的广泛关注。

以往利用语音检测帕金森病研究大多没有考虑噪声影响，检测准确率可达90％以上。但在现实环境下，语音信号采集过程中不可避免地受到环境噪声的干扰，影响语音特征参数的准确性，导致检测性能下降。

本发明针对帕金森病语音检测中的噪声干扰问题，通过提取功率归一化倒谱系数特征提高特征的鲁棒性，利用外积既克服了利用短时特征计算量大的问题，又从不等长的语音信号中求得等长的特征向量，避免了长时特征注重全局而忽略局部特征的缺点，然后利用支持向量机(Support Vector Machine，SVM)分类方法进行分类，实现帕金森病语音检测。

发明内容

本发明所要解决的技术问题是克服了帕金森病语音检测中易受噪声干扰的问题，提供了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。

为解决上述技术问题，本发明是采用如下技术方案实现的：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；