[发明专利]一种基于Fbank和MFCC融合特征的帕金森音频智能检测方法及系统

权利要求书

1.一种基于Fbank和MFCC融合特征的帕金森音频智能检测方法，其特征在于，包括：

获取帕金森患者和非帕金森患者的音频数据集；

构建音频预处理模型；

根据所述音频数据集和所述音频预处理模型，确定音频特征向量；

构建二维卷积神经网络模型；

根据音所述音频特征向量和二维卷积神经网络模型，得到标签向量；

根据所述标签向量，确定帕金森患者。

2.根据权利要求1所述的基于Fbank和MFCC融合特征的帕金森音频智能检测方法，其特征在于，所述构建音频预处理模型，具体包括：

构建的音频预处理模型，包括音频截取阶段、特征提取阶段和特征拼接阶段。

3.根据权利要求2所述的基于Fbank和MFCC融合特征的帕金森音频智能检测方法，其特征在于，所述音频数据集和所述音频预处理模型，确定音频特征向量，具体包括：

将音频截取成一定长度，分别提取音频的Fbank特征和MFCC特征，然后将Fbank特征和MFCC特征进行拼接，最后得到2维特征向量。

4.根据权利要求1所述的基于Fbank和MFCC融合特征的帕金森音频智能检测方法，其特征在于，所述构建二维卷积神经网络模型，具体包括：

构建的二维卷积神经网络模型，包括第一深度卷积阶段、第二深度卷积阶段和网络全连接阶段，所述第一深度卷积阶段包括第一音频特征卷积层、第二音频特征卷积层和第一音频特征池化层，所述第二深度卷积阶段包括第三音频特征卷积层、第四音频特征卷积层和第二音频特征池化层，网络全连接阶段包括音频特征输入层、音频特征隐藏层和音频特征输入层。

5.根据权利要求4所述的基于Fbank和MFCC融合特征的帕金森音频智能检测方法，其特征在于，根据音所述音频特征向量和二维卷积神经网络模型，得到标签向量，具体包括：

将音频预处理模型输出的2维特征向量，作为二维卷积神经网络的输入向量，得到1维标签向量。

6.一种基于Fbank和MFCC混合特征的帕金森智能音频智能检测系统，其特征在于，包括：

数据采集模块，用于获得帕金森患者和非帕金森患者的音频数据集；

音频预处理模块，用于对音频进行预处理；

音频特征向量确定模块，用于根据所述音频数据集和所述音频通道模型，确定音频特征向量；

二维卷积神经网络模型构建模块，用于构建二维卷积神经网络模型；

标签向量确定模块，用于根据所述音频特征向量、所述视频特征向量和所述二维卷积神经网络模型，得到标签向量；

帕金森患者确定模块，用于根据所述标签向量，确定帕金森患者。