[发明专利]基于EHHT和CI的精神分裂症语音自动检测方法及系统

权利要求书

1.一种基于EHHT和CI的精神分裂症语音自动检测方法，其特征在于，包括：

步骤S1，采集受试者的语音，得到语音信号；

步骤S2，对采集到的所述语音信号进行预处理；

步骤S3，利用基于EHHT和CI的改进的共振峰提取算法对预处理后的所述语音信号进行特征提取，得到反映所述语音的音质情感变化的声学特征参数集；

步骤S4，利用假设检验方法从所述声学特征参数集中提取出具有显著差异的参数，并组合成降维的所述声学特征参数集；

步骤S5，将降维的所述声学特征参数集以及经精神科医师校验确认的标签类别组成训练样本，对SVM分类器进行训练；

步骤S6，利用训练好的所述SVM分类器对所述语音进行分类检测，从而实现对精神分裂症患者的所述语音以及健康对照组的所述语音的自动分类检测。

2.根据权利要求1所述的基于EHHT和CI的精神分裂症语音自动检测方法，其特征在于：

其中，步骤S2中，所述预处理包括：

对所述语音信号中的元音信号进行去直流、归一化以及预加重处理，从而提升所述语音信号的高频分量，避免所述受试者的口齿辐射对提取共振峰分量的干扰。

3.根据权利要求1所述的基于EHHT和CI的精神分裂症语音自动检测方法，其特征在于：

其中，步骤S3包括如下子步骤：

步骤S3-1，通过对所述语音信号多次集成随机高斯白噪声进行经验模态分解，并对多次分解结果求均值得到固有模态函数；

步骤S3-2，计算所述固有模态函数的各个IMF分量对应的Hilbert边际谱的归一化频带能熵比的比值，筛选出包含有多个共振峰的所述IMF分量来重构所述语音信号；

步骤S3-3，将重构的所述语音信号进行分帧加窗处理后，利用倒谱内插法提取多个所述共振峰的多个共振峰特征参数，即得到所述声学特征参数集。

4.根据权利要求3所述的基于EHHT和CI的精神分裂症语音自动检测方法，其特征在于：

其中，步骤S3-1中，所述经验模态分解为集成经验模态分解。

5.根据权利要求3所述的基于EHHT和CI的精神分裂症语音自动检测方法，其特征在于：

其中，步骤S3-3中，提取前三个所述共振峰的频率、带宽、幅值所对应的峰值个数、均值、方差、四分位差、中位数、众数、极差、偏度以及峭度作为所述共振峰特征参数集。

6.根据权利要求3所述的基于EHHT和CI的精神分裂症语音自动检测方法，其特征在于：

其中，步骤S3-1中，所述随机高斯白噪声的集成次数为100次，所述随机高斯白噪声的方差为0.1，所述IMF分量的个数为3；

步骤S3-3中，窗长为8。

7.根据权利要求1所述的基于EHHT和CI的精神分裂症语音自动检测方法，其特征在于：

其中，步骤S5中，采用十次十折交叉验证的方法，将所述训练样本分成十份，每次将90％的所述训练样本用于训练，将10％的所述训练样本留作测试，将重复十次的均值作为所述SVM分类器的检测正确率的估算。

8.一种基于EHHT和CI的精神分裂症语音自动检测系统，其特征在于，包括：

语音采集模块，用于采集受试者的语音，得到语音信号；

预处理模块，用于对采集到的所述语音信号进行预处理；

特征提取模块，利用基于EHHT和CI的改进的共振峰提取算法对预处理后的所述语音信号进行特征提取，得到反映所述语音的音质情感变化的声学特征参数集；

特征降维模块，利用假设检验方法从所述声学特征参数集中提取出具有显著差异的参数，并组合成降维的所述声学特征参数集；

模式识别模块，基于降维的所述声学特征参数集以及经精神科医师校验确认的标签类别，利用训练好的SVM分类器对所述语音进行分类，从而实现对精神分裂症患者的所述语音以及健康对照组的所述语音的自动分类检测；以及

控制模块，对上述各个模块的工作进行协调管理。