[发明专利]一种基于语音信号的梯度提升决策树抑郁程度识别系统

说明书

本发明涉及一种基于语音信号的梯度提升决策树抑郁症识别方法，包括以下步骤：获取接受采访者的语音数据以及对应的PHQ‑8抑郁症筛查量表得分，将语音信号与PHQ‑8值相对应，并选取训练样本集合进行训练，测试样本集；提取语音信号中表征情感和抑郁的韵律学特征、基于谱的相关特征和音质特征；采用梯度提升决策树的机器学习方法在训练集上进行学习，以PHQ‑8得分为输出结果作为判定抑郁症程度的依据。本发明采用梯度提升决策树作为学习方法，提高了预测的PHQ‑8值的准确性以及训练的时效性，以PHQ‑8抑郁症筛查量表的PHQ‑8值为输出结果，PHQ‑8值得分介于0‑24之间，得分高于10分低于20为抑郁，得分高于20可认为为严重抑郁。具有更高的准确性和客观性。

技术领域

本发明涉及情感计算中的抑郁识别领域，具体涉及基于语音信号的梯度提升决策树抑郁症识别系统。

背景技术

近年来，在人工智能和机器人技术的发展下，传统的人机交互模式已经不能满足需求，新型的人机交互需要情感的交流，因此，情感识别成为了人机交互技术发展的关键，也成为了学界热点的研究课题。情感识别是涉及多学科的研究课题，通过使计算机理解并识别人类情感，进而预测和理解人类的行为趋势和心理状态，从而实现高效和谐的人机情感交互。

抑郁是一种情绪低落和对活动的厌恶的精神状态，会影响一个人的思想，行为，感觉和幸福感。目前，抑郁症在世界范围内非常普遍，已然成为当今社会上最为普遍的心理疾病之一，尤其是给个人，家庭和社会造成负担和压力。2018年世界卫生组织(WHO) 公布，全球抑郁症患者以达3.5亿人。抑郁症不同于日常生活中短暂情绪反应和情绪波动，患者会受其较大影响，在工作中以及在学校和家中表现不佳。最严重时，抑郁症可引致自杀。每年自杀死亡人数估计高达100万人。

现有的抑郁症诊断方法主要依靠心理医生的主观判断和一些量表的辅助诊断。这些量表一般主观性较大。很多抑郁症患者会隐藏内心的真实想法从而使得这些量表并往往不能客观地反映患者真实情况。由于缺乏客观方法进行诊断，需要心理医生对患者进行交谈面诊，在交谈中针对患者的言语、动作以及情感利用自身所学知识进行诊断，此类方法效率较低且需要医师具有优秀的职业技能，因此，准确诊断抑郁症需要医生具有专业的知识和丰富的经验，这在发展中以及不发达国家与地区实现困难较大。近年来，通过一些不易隐藏的生理行为指标如表情、眼动、姿态、语音等进行抑郁症的检测和评估成为了当今的主流，可靠的抑郁症检测工具将会有效地帮助抑郁症诊断。因此，需要一种较为可靠的方法来进行抑郁程度诊断。

发明内容

本发明的目的是提供一种基于语音信号的梯度提升决策树抑郁程度识别系统，从而实现抑郁症程度的诊断，为此，本发明采用以下技术方案：

一种基于语音信号的梯度提升决策树抑郁程度识别系统，该系统用于实现基于语音信号的梯度提升决策树抑郁程度识别方法，所述方法包括如下步骤：

S1、获取语音信号以及对应的PHQ-8值，将其一一对应对应，并选取训练样本集合测试样本集；

S2、对语音信号进行语音预处理，保证后续语音处理得到的信号更均匀、平滑，为信号参数提取提供优质的参数，提高语音处理质量。

S3、在经过处理后的语音数据中提取表征抑郁和情感的韵律学特征、基于谱的相关特征和音质特征；

S4、基于梯度决策提升树的机器学习方法预测对训练集进行学习，并利用最后训练得到的模型测试语音信号，输出其对应的PHQ-8值作为抑郁程度的依据。

进一步地，所述步骤S2对语音信号进行语音预处理的具体步骤为：

S2.1：对语音信号离散化，使用一阶高通滤波器进行预加重，一阶高通滤波器的表达式如下：

H(z)＝1-αz^-1,0.9α1.0

S2.2：对信号进行分帧，帧长为30ms，帧移为10ms；