[发明专利]娇喘音频的识别方法及装置、终端、存储介质

权利要求书

1.一种娇喘音频的识别方法，其特征在于，包括：

提取样本集中样本音频的原始特征数据，并对所述原始特征数据进行深度特征提取得到深度特征数据；

针对所述深度特征数据，采用双向lstm及attention的结构进行分类模型的训练；

采用训练得到的分类模型预测待识别音频中存在娇喘音的概率以及娇喘音的存在位置；

所述针对所述深度特征数据，采用双向lstm及attention的结构进行分类模型的训练，包括：

针对输入双向lstm层的深度特征数据，将前向的lstm张量和后向的lstm张量拼接，并将拼接后的张量输入attention层进行高层张量表示；

将高层张量表示依次经过average pooling层、dropout层和softmax层训练得到分类模型。

2.根据权利要求1所述的识别方法，其特征在于，所述方法还包括：

对所采集的样本集中的原始样本音频进行预处理，所述预处理包括音频裁剪、预标记以及数据增强中的一个或多个。

3.根据权利要求2所述的识别方法，其特征在于，所述对所采集的样本集中的原始样本音频进行预处理，包括：

统计娇喘音在所采集的原始样本音频中的时间分布，根据统计的时间分布确定一有效裁剪时长，根据所述有效裁剪时长将所述样本集中的所有样原始本音频裁剪为时间长度统一的多段样本音频；

对所述样本集中裁剪后的样本音频进行娇喘音的预标记；

随机选取预标记后的样本音频，对其做数据增强处理，所述数据增强处理包括更换声道、变换播放速度、增加高斯白噪声、音频移动中的一个或多个。

4.根据权利要求1所述的识别方法，其特征在于，所述提取样本集中样本音频的原始特征数据，并对所述原始特征数据进行深度特征提取得到深度特征数据，包括：

提取样本集中样本音频的梅尔谱图作为原始特征数据；

基于迁移学习的方式，提取所述原始特征数据对应的深度特征数据。

5.根据权利要求4所述的识别方法，其特征在于，所述提取样本集中样本音频的梅尔谱图作为原始特征数据，包括：

采用固定的帧长、固定的帧移以及周期性的Hann窗对样本音频进行分帧，对每一帧音频做短时傅里叶变换，利用信号幅值计算每帧的声谱图；

将所述声谱图映射到96阶的mel滤波器组中计算mel声谱，得到N*96*64维的向量，N为样本音频的时长。

6.根据权利要求5所述的识别方法，其特征在于，所述基于迁移学习的方式，提取所述原始特征数据对应的深度特征数据，包括：

基于audioset数据集提取每段音频的梅尔谱图对应的语谱图特征；

采用预训练模型VGG网络将音频分类转化为图像分类，通过VGG网络的倒数第二层全连接层将N*96*64维的向量转化为N*128维的向量。

7.根据权利要求3所述的识别方法，其特征在于，所述采用训练得到的分类模型预测待识别音频中存在娇喘音的概率以及娇喘音的存在位置，包括：

将待识别音频按照所述有效裁剪时长裁剪为长度统一的多段音频；

将裁剪后的待识别音频按照与所述样本音频一致的特征提取方式进行特征提取；

将特征提取后的待识别音频输入分类模型得到每段音频中存在娇喘音的概率值；

记录预测为娇喘音的音频片段及其位置，返回记录结果。