[发明专利]基于递归图分析的腭裂语音鼻漏气的识别方法

摘要

本发明公开了一种基于递归图分析的腭裂语音鼻漏气的识别方法，涉及语音信号处理领域。该检测方法包括(1)语音信号预处理，对输入的语音信号进行降采样、归一化分帧、预加重及幅值归一化；(2)对预处理后的语音信号求取语音信号的递归图和矩阵递归图；(3)针对递归图做趋势分析；(4)针对递归图直接做区域分块处理，对信号递归图做矩阵处理；(5)对递归图进行图像处理，将格式转换后的图像矩阵，依次进行二值化处理和两次特定结构模板的滤波处理；(6)利用分类器对信号进行分类识别，得到自动识别结果。相比于现有技术，检测结果客观准确，实现较高程度的自动测量，在临床上对腭裂语音鼻漏气的数字化评估提供可靠的参考数据，符合精准医疗的发展需求，进行更加准确有效的信号分类识别。

主权项

1.一种基于递归图分析的腭裂语音鼻漏气的识别方法，其特征在于，包括以下步骤：(1)语音信号预处理，对输入的语音信号进行降采样、归一化分帧、预加重及幅值归一化；(2)对预处理后的语音信号求取语音信号的递归图矩阵，将系统中的时间序列提取出来，重现递归信号，选择合适的嵌入维数m和延迟时间τ将一维的非线性时间序列：{s(i)，i＝1，2，...}  (2)重构出向量:Si＝[s(i)，s(i+τ)，...，s(i+(m‑1)τ)]  (3)，系统的m维相空间轨道由有时间标记的向量序列构成：{Si，i＝1，2，...，N}  (4)然后用这些相空间上的点作为行和列构成N×N的矩阵递归图；图中的每个节点Ri，j由对应的行、列向量点之间的距离来表示：Ri，j＝θ(ε‑||Si‑Sj||)，i，j＝1，2，...，N  (5)，其中ε是根据先前情况设定的阈值常数，用来表示临界距离；符号||*||表示取向量的欧几里德(Euclidean)范数；θ(x)是核函数；若Ri，j的值为1，则对应递归图中位置点(i,j)就表示为一个黑点，若Ri，j的值为0，则对应递归图中位置点(i,j)就表示为一个白点，得到二维递归矩阵RP；(3)针对递归图做趋势分析，采用定量递归分析的5种针对递归图分析的量化参数，包括确定性DET、递归度RRL、最长对角线LL、熵ENTR和趋势分析RT，将对角线在递归图中分布的概率密度，对应在频域上转化为对角线特征LLF函数，并将频域上每一个对角线下区域对应的熵值转化为频域熵值PENTR；(4)针对递归图直接做区域分块处理，对信号递归图做矩阵处理，求取行列值，选取合适的分块系数，根据统计特性来确定分块系数，将递归图分为相应区域后，提取出递归图四个角的最小区域部分矩阵如下：其中RP为递归矩阵，m为所求的分块系数，分块系数m的计算即将整个递归图分为m*m个部分，根据矩阵所有点数总和，按每个区域1000个点划分，计算公式为：提取出递归图四个角(左上、左下、右上、右下)的递归矩阵RPa，每个分块后小矩阵的标号用a表示；此时四个角为最小区域部分的矩阵作为特征参数，再针对每一个最小区域部分做处理，计算区域均方值，模拟当一维信号转换到二维图像上分布密集区域的权值，计算公式如下：此处矩阵点Ri，j∈RPa，Na表示该最小区域矩阵的点数总和；(5)对递归图进行图像处理，将格式转换后的图像矩阵，依次进行二值化处理和两次特定结构模板的滤波处理后得到处理后的矩阵信号特征用于分类识别；(6)利用分类器对信号进行分类识别，得到自动识别结果。