[发明专利]困难气道的检测方法及其电子设备和存储介质

权利要求书

1.一种困难气道的检测方法，包括：

对用户的语音音频进行声学特征提取和语音活性检测；

将提取的声学特征进行平均池化处理，得到第一嵌入向量；

将活性检测后的发声帧输入至用于表征困难气道的说话人的说话人模型，得到表征困难气道的第二嵌入向量；

将所述第一嵌入向量联合所述第二嵌入向量输入至支持向量机，以检测困难气道。

2.根据权利要求1所述的方法，其中，所述说话人模型包括深度神经网络对说话人的声学特征构建的深度说话人模型，包括：

二维卷积神经网络构建的残差网络，进行收集帧级别信息任务，以及

一维卷积神经网络模块、残差增强的一维卷积神经网络模块、挤压和激励网络模块构建的时延神经网络，进行基于信道增强注意力、传播与聚合的说话人验证任务。

3.根据权利要求2所述的方法，其中，所述说话人模型还包括基于传统机器学习方法说话人模型，包括：

无监督建模的高斯混合模型-通用背景模型，用于确定用户语音音频的超向量，进行区分所述用户的气道类型。

4.根据权利要求1所述的方法，其中，所述将所述第一嵌入向量联合所述第二嵌入向量输入至支持向量机包括：

基于支持向量机的核函数，利用非线性映射将输入的所述第一嵌入向量联合所述第二嵌入向量映射到特征空间，估计超平面；

通过标记分离特征空间对所述用户的语音音频进行分类，确定困难气道的检测结果。

5.一种困难气道的检测系统，包括：

语音处理程序模块，用于对用户的语音音频进行声学特征提取和语音活性检测；

第一嵌入确定程序模块，用于将提取的声学特征进行平均池化处理，得到第一嵌入向量；

第二嵌入确定程序模块，用于将活性检测后的发声帧输入至用于表征困难气道的说话人的说话人模型，得到表征困难气道的第二嵌入向量；

检测程序模块，用于将所述第一嵌入向量联合所述第二嵌入向量输入至支持向量机，以检测困难气道。

6.根据权利要求5所述的系统，其中，所述说话人模型包括深度神经网络对说话人的声学特征构建的深度说话人模型，包括：

二维卷积神经网络构建的残差网络，进行收集帧级别信息任务，以及

一维卷积神经网络模块、残差增强的一维卷积神经网络模块、挤压和激励网络模块构建的时延神经网络，进行基于信道增强注意力、传播与聚合的说话人验证任务。

7.根据权利要求6所述的系统，其中，所述说话人模型还包括基于传统机器学习方法说话人模型，包括：

无监督建模的高斯混合模型-通用背景模型，用于确定用户语音音频的超向量，进行区分所述用户的气道类型。

8.根据权利要求5所述的系统，其中，所述检测程序模块用于：

基于支持向量机的核函数，利用非线性映射将输入的所述第一嵌入向量联合所述第二嵌入向量映射到特征空间，估计超平面；

通过标记分离特征空间对所述用户的语音音频进行分类，确定困难气道的检测结果。

9.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4中任一项所述方法的步骤。