[发明专利]一种基于高阶谱语音特征的抑郁症分类方法

说明书

本发明公开一种基于高阶谱语音特征的抑郁症分类方法，包括以下步骤：步骤S1：语音数据文件预处理，并对预处理后的语音数据文件进行样本裁剪，得到语音样本文件；步骤S2：计算语音样本文件三阶积累函数的二级傅里叶变换，得到高阶谱语音特征的双谱；然后将双谱进行归一化计算，得到高阶谱语音特征的双相干；与传统语音特征对抑郁症的分类方法相比，本发明所述的基于高阶谱语音特征的抑郁症分类方法通过利用三维二分卷积神经网络分类模型，实现了抑郁症分类识别，由此大幅提高了分类准确率，从而使得应用价值更高。

技术领域

本发明属于语音处理技术领域，尤其涉及一种基于高阶谱语音特征的抑郁症分类方法。

背景技术

作为高阶谱语音特征分析技术与抑郁症辅助诊断的结合，语音特征分类方法当前已经成为精神疾病诊断的热点之一。其广泛应用在各类研究中，特别是抑郁症的研究，并取得许多令人惊喜的成果。

抑郁症在科学上被称为重性抑郁障碍，是一种精神障碍，比身体疾病更难发现。在抑郁症的临床访谈中，临床医生已经开发出结构化的问卷，并结合结构化问卷和评估患者语言、非语言的指标进行抑郁症的诊断，其中非语言指标包括降低的发音速度、音调、较低的讲话量等语音特征。然而，在临床诊断过程中充满了一定程度的主观性，而且这需要精神病医生花费大量的时间来诊断疾病。

传统的语音特征主要包括韵律特征、频谱特征、声门特征、声源等。其中韵律特征如基频、停顿时间和反应延迟增加语音能量；频谱特征如共振峰、共振峰频率和梅尔倒谱系数；其他特征如语音质量特征中的抖动。然而，不同的人在不同的语音相关特征方面有独特的特点，找到并选取抑郁症患者与非抑郁症患者区别较大的语音特征进行实验，才能获得较高的识别率。总之，语音特征目前在抑郁症的识别领域应用十分广泛，但目前相关研究结果表明，尚未找到有效的语音特征用于抑郁症分类识别实验。

发明内容

本发明提供一种基于高阶谱语音特征的抑郁症分类方法，旨在解决传统语音特征在抑郁症分类方法存在的上述问题。

本发明是这样实现的，一种基于高阶谱语音特征的抑郁症分类方法，包括以下步骤：

步骤S1：语音数据文件预处理，并对预处理后的语音数据文件进行样本裁剪，得到语音样本文件；

步骤S2：计算语音样本文件三阶积累函数的二级傅里叶变换，得到高阶谱语音特征的双谱；然后将双谱进行归一化计算，得到高阶谱语音特征的双相干；

步骤S3：根据双谱，获取5个双谱特征，并得到每个双谱特征对应的对数谱图；

步骤S4：根据双相干，获取5个双相干特征，并得到每个双相干特征对应的对数谱图；

步骤S5：构建三维二分卷积神经网络，采用三维二分卷积神经网络算法，选择双谱特征的对数谱图、双相干特征的对数谱图作为分类特征，构建分类器，然后采用自适应优化方法对分类器进行检验，具体包括：

S51：将M*M维度的对数谱图输入到三维二分卷积神经网络中，其中M表示对数谱图的大小；

S52：三维二分卷积神经网络的第一层表示三维二分卷积神经网络的卷积层，其滤波器的大小为M₀*M₀*3，覆盖频率空间M₀和3个卷积核，M₀具体表示如下：

其中，M₀表示M第一次二分法向上取整的值；

S53：三维二分卷积神经网络的第二层表示三维二分卷积神经网络的最大池化层，它沿着时间轴移动窗口内核，并保存最大值以表示整个窗口，从而减少其输入维度的数量；移动的步长为S＝1，使用填充P＝0来保持输入层的极端，输出矩阵的大小N₁如下：