[发明专利]一种咳嗽及喷嚏监测识别方法

权利要求书

1.一种咳嗽及喷嚏监测识别方法，其特征在于，包括以下步骤：

S1：咳嗽信号预处理；具体包括以下步骤：

S1.1：采样与量化；对声音信号进行采样与量化，获取到的初始声音样本信号用连续的信号，以等时间间隔对其进行采样，得到离散的信号；

S1.2：滤波；对采样与量化后的声音信号进行滤波处理；

S1.3：加窗分帧；将声音信号划分为许多个时间相等的声音段；

S1.4：端点检测；对声音信号进行端点检测，确定获取的每一个声音样本是否是有效的声音样本，并且在有效的声音样本中确定出有用信号的起始点和终止点，为后期提取特征参数做准备；

S2：咳嗽信号特征提取；对S1预处理确定出的有用信号进行功率谱密度分析，在分析结果的基础上设计有效的信号特征提取算法，获取识别咳嗽声信号的参考特征，在获得声音信号功率谱密度的基础上，对一定量的声音样本信号进行训练，得到平均功率谱密度来作为声音信号的分类特征；

S3：算法识别；训练得到咳嗽声的功率谱密度特征后，以此特征曲线作为聚类中心，在模糊C均值聚类算法的基础上设计出识别算法，对咳嗽声进行识别，具体包括以下步骤：

S3.1：以获得的咳嗽声功率谱密度特征和尖叫声功率谱密度特征作为两个聚类中心v₁(n)和v₂(n)聚合的两个类分别用w₁和w₂表示；

S3.2：将每一个要分类的声音样本的功率谱密度用P_N表示，按点N分别来计算到各聚类中心的距离，计算公式如下：

d(P_n,v₁(n))＝||P_n-v₁(n)||,i＝1,2,n＝1,2,...,N

S3.3：按最小距离原则，对声音样本的功率谱密度P_N的N个点进行聚类，并在程序中分别以j和k计数来记录类属情况，表示如下：

若d(P_n,v₁(n))＝d(P_n,v₂(n)),则j，k不变

若d(P_n,v₁(n))d(P_n,v₂(n)),则k＝k+1,n＝1,2,...N,j+k≤N

若d(P_n,v₁(n))＝d(P_n,v₂(n)),则j、k不变

S3.4：计数值j和k反映了声音样本的功率谱密度P_N的N个点的聚类情况，根据它们值的大小，定义如下的识别方法：

若jk,则P_N∈w₁

若j＜k,则P_N∈w₂

S4：单片机及WiFi模块传输；

S5：服务器及后端接收并前端显示。

2.根据权利要求1所述的一种咳嗽及喷嚏监测识别方法，其特征在于，所述步骤S21中，采用巴特沃斯低通滤波器对采样与量化后的声音信号进行滤波处理。

3.根据权利要求1所述的一种咳嗽及喷嚏监测识别方法，其特征在于，所述步骤S4中，采用单片机及WiFi模块传输，设置语音识别模块的串口发送指令发送串口数据，设置完成后每次语音识别模块识别到咳嗽声音，则向单片机发送串口数据将语音识别模块通过D型数据接口连接器接口将语音模块的输出与单片机的串口USART1进行连接，单片机通过串口USART2与WiFi模块进行连接。

4.根据权利要求1所述的一种咳嗽及喷嚏监测识别方法，其特征在于，所述步骤S5中，服务器及后端接收并前端显示，边缘算法服务器使用Java语言，Springboot框架暴露咳嗽异常检测接口，在进程启动时，使用JavaCV拉取摄像头视频流但不做任何操作，当硬件检测到咳嗽时，请求边缘算法服务器java后端，后端截取摄像头当前帧的图片并转发报告给超算中心服务器，由超算中心服务器进行数据存储并通过Websocket长连接形式与前端展示页面实现数据的实时交互展示；后端收到请求之后会将请求的响应结果发送给浏览器端，前端通过处理结果将咳嗽等数据动态的渲染在前端页面上。