本發(fā)明涉及一種基于pso-gbdt-lr模型的咳嗽聲音識(shí)別方法，屬于信號(hào)識(shí)別。

背景技術(shù)：

1、咳嗽是很多呼吸系統(tǒng)疾病的主要癥狀，如上呼吸道感染、支氣管炎和肺癌等。同時(shí)，術(shù)后咳嗽也是多種胸外科手術(shù)的術(shù)后并發(fā)癥之一?？人灶l率、強(qiáng)度等指標(biāo)與患者疾病的嚴(yán)重程度和患者術(shù)后身體情況相關(guān)，因此可以將咳嗽作為衡量疾病情況，手術(shù)效果、患者術(shù)后康復(fù)情況的潛在指標(biāo)。傳統(tǒng)的咳嗽檢測(cè)方法通常依賴于醫(yī)生的聽診和經(jīng)驗(yàn)判斷和咳嗽評(píng)估量表，但這種方法在實(shí)際應(yīng)用中，過(guò)于依賴于患者的主觀感受，不同個(gè)體對(duì)咳嗽的頻率、強(qiáng)度、持續(xù)時(shí)間以及伴隨癥狀感受和描述可能存在差異，這可能導(dǎo)致評(píng)估結(jié)果的主觀性和不一致性。

2、近年來(lái)，隨著生物醫(yī)學(xué)技術(shù)的不斷進(jìn)步，自動(dòng)咳嗽識(shí)別技術(shù)得到了快速發(fā)展。尤其在呼吸道傳染病流行期間擁有著高速發(fā)展的機(jī)遇。大量的學(xué)者嘗試基于通過(guò)生物醫(yī)學(xué)信號(hào)(如聲音、振動(dòng)、加速度、心電圖等)，從這些信號(hào)中提取出能夠區(qū)分不同信號(hào)的特征，并使用這些特征通過(guò)構(gòu)建人工智能的模型，來(lái)量化甚至分類咳嗽事件的發(fā)生。這對(duì)咳嗽自動(dòng)識(shí)別的發(fā)展起到了很有效的幫助。使得咳嗽的監(jiān)測(cè)方法經(jīng)歷了從傳統(tǒng)聽診到信號(hào)處理及機(jī)器學(xué)習(xí)技術(shù)的演變。

3、音頻信號(hào)在諸多信號(hào)中具有穩(wěn)定性、精準(zhǔn)性，非侵入性等特性，并且易于采集和處理，在咳嗽檢測(cè)中具有諸多優(yōu)勢(shì)。因此對(duì)咳嗽音頻的識(shí)別是一種可以大規(guī)模投入使用的主流方法。在基于音頻信號(hào)識(shí)別技術(shù)的咳嗽監(jiān)測(cè)方法中，技術(shù)核心是提取聲學(xué)特征并構(gòu)建特征向量，然后用人工智能方法對(duì)特征進(jìn)行分類來(lái)識(shí)別咳嗽聲音。但是對(duì)于音頻也面臨音頻信號(hào)的多樣性、噪聲干擾以及不同個(gè)體之間的差異性等挑戰(zhàn)。為了解決對(duì)音頻信號(hào)進(jìn)行識(shí)別的問(wèn)題，有很多現(xiàn)有的成熟方法。例如使用梅爾倒譜系數(shù)(mfcc)特征或時(shí)域頻域特征來(lái)實(shí)現(xiàn)音頻的分類任務(wù)。對(duì)音頻分類的準(zhǔn)確性高度依賴于特征維度來(lái)尋求特征的獨(dú)特性和冗余度之間的平衡。過(guò)少的特征往往會(huì)導(dǎo)致對(duì)模型預(yù)測(cè)貢獻(xiàn)度高的特征缺失，而過(guò)多的特征可能會(huì)導(dǎo)致很多對(duì)模型性能沒有貢獻(xiàn)的特征過(guò)多。而確定最佳特征是一項(xiàng)復(fù)雜而耗時(shí)的工作。

4、同時(shí)，在咳嗽音頻信號(hào)采集的過(guò)程中，往往是在復(fù)雜環(huán)境中進(jìn)行的。其中非咳嗽聲音包含各種各樣的聲音，比如儀器聲，說(shuō)話聲，清嗓子聲等。同時(shí)，不同的人群會(huì)發(fā)出能量有強(qiáng)有弱，音調(diào)有高有低的咳嗽。以上情況會(huì)在聲音樣本特征數(shù)據(jù)中引入很多異常值和噪聲，降低特征的純凈度。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)于實(shí)現(xiàn)咳嗽的量化，解決咳嗽聲音識(shí)別過(guò)程中聲音數(shù)據(jù)噪聲特征過(guò)多和異常特征的問(wèn)題，提出了一種基于pso-gbdt-lr模型的咳嗽聲音識(shí)別方法，通過(guò)更準(zhǔn)確地區(qū)分咳嗽音和非咳嗽音來(lái)量化咳嗽。

2、本發(fā)明采用的技術(shù)方案是：一種基于pso-gbdt-lr模型的咳嗽聲音識(shí)別方法，包括如下步驟：

3、步驟1：采集音頻信號(hào)；

4、步驟2：使用berouti譜減法對(duì)音頻信號(hào)進(jìn)行去噪，獲得去噪后的音頻信號(hào)；

5、步驟3：音頻事件檢測(cè)vad，對(duì)去噪后的音頻信號(hào)中出現(xiàn)聲音的部分進(jìn)行分割，得到單獨(dú)的音頻樣本；

6、步驟4：對(duì)步驟3分割出的每個(gè)音頻樣本，提取7維時(shí)域特征；

7、步驟5：對(duì)步驟3分割出每個(gè)音頻樣本進(jìn)行短時(shí)傅里葉變換stft，從頻譜中提取2維頻域特征；

8、步驟6：將步驟4提取到的7維時(shí)域特征和步驟5提取到的2維頻域特征組合，形成9維特征向量組合；

9、步驟7：對(duì)步驟3中得到的所有音頻樣本進(jìn)行標(biāo)記，將咳嗽音頻樣本的特征向量標(biāo)記為1類，非咳嗽音頻樣本的特征向量記為0類；

10、步驟8：建立分類模型；

11、步驟9：gbdt-lr模型評(píng)估；

12、步驟10：將1-accuracy作為優(yōu)化目標(biāo)，將決策樹n_estimators、學(xué)習(xí)率learning_rate、最大深度max_depth、最大迭代次數(shù)max_iter作為gbdt-lr模型的待優(yōu)化參數(shù)，采用粒子群優(yōu)化算法pso調(diào)整超參數(shù)的值，以實(shí)現(xiàn)1-accuracy的最小化。

13、步驟1具體為：將音頻采集設(shè)備的麥克風(fēng)夾持在衣領(lǐng)上，保證距離口腔30厘米的范圍內(nèi)，保存采集后的音頻信號(hào)。

14、步驟2具體為：

15、步驟2.1：將原始音頻信號(hào)分幀，假設(shè)音頻信號(hào)的前幾幀只有背景音，則對(duì)前幾幀進(jìn)行短時(shí)傅里葉變換stft，計(jì)算噪聲譜的平均值得到平均噪聲譜

16、步驟2.2：對(duì)原始音頻信號(hào)的每一幀都進(jìn)行短時(shí)傅里葉變換，得到原始音頻的信號(hào)譜y(ω)；

17、步驟2.3：用原始音頻的信號(hào)譜y(ω)減去平均噪聲譜得到去噪后的信號(hào)譜

18、步驟2.4：通過(guò)對(duì)進(jìn)行逆傅里葉變換重構(gòu)時(shí)域信號(hào)，重構(gòu)后的時(shí)域信號(hào)即為去噪后的音頻信號(hào)。

19、步驟3具體為：

20、步驟3.1計(jì)算去噪后音頻信號(hào)每幀的短時(shí)能量和短時(shí)過(guò)零率，得到短時(shí)過(guò)零率和短時(shí)能量的離散值，這些離散值被平滑處理，得到包絡(luò)曲線；

21、步驟3.2假設(shè)初始靜音段干凈穩(wěn)定，將靜音段的平均短時(shí)能量和平均短時(shí)過(guò)零率分別與經(jīng)驗(yàn)系數(shù)相乘，得到短時(shí)能量閾值和短時(shí)過(guò)零率閾值；

22、步驟3.3計(jì)算短時(shí)能量閾值與包絡(luò)線的交點(diǎn)，確定兩邊低中間高的區(qū)域，得到語(yǔ)音起點(diǎn)和終點(diǎn)的粗略值；

23、步驟3.4從粗略起點(diǎn)向前搜索，粗略終點(diǎn)向后搜索，計(jì)算短時(shí)過(guò)零率包絡(luò)線與短時(shí)過(guò)零率閾值的交點(diǎn)，得到精確起始點(diǎn)和精確結(jié)束點(diǎn)，通過(guò)精確起始點(diǎn)和精確結(jié)束點(diǎn)，對(duì)去噪后音頻信號(hào)中出現(xiàn)明顯聲音的部分進(jìn)行分割。

24、步驟4中提取的時(shí)域特征為：

25、最大值：max(s)

26、其中，s是分割出的音頻樣本信號(hào)的樣本值序列；

27、能量：

28、其中，si是分割出的音頻樣本信號(hào)第i個(gè)樣本值，n是采樣點(diǎn)的數(shù)量，下同；

29、均值：

30、方差

31、其中，μ是均值，下同；

32、偏度：

33、其中，σ是標(biāo)準(zhǔn)差，下同；

34、峭度：

35、峰值因子：

36、其中，mean是均值。

37、步驟5中提取的頻域特征為：

38、頻譜質(zhì)心：

39、其中，f是頻率，s(f)在f處的功率譜密度；

40、頻譜平坦度：

41、其中，xy是是分割出的音頻樣本信號(hào)在第y個(gè)頻域中的幅值，n是頻域的采樣數(shù)。

42、步驟8具體為：

43、步驟8.1：將標(biāo)記好的特征向量組合作為訓(xùn)練集輸入到gbdt模型；

44、gbdt使用損失函數(shù)的負(fù)梯度作為殘差的近似值，使用gbdt進(jìn)行二分類時(shí)，損失函數(shù)為對(duì)數(shù)似然函數(shù)

45、

46、其中yi為第i個(gè)樣本的真實(shí)標(biāo)簽(0或1)，為gbdt對(duì)第i個(gè)樣本的預(yù)測(cè)概率，殘差為rz,i，是對(duì)損失函數(shù)求負(fù)梯度，公式如下所示：

47、

48、其中，為gbdt在z-1次迭代中對(duì)樣本的預(yù)測(cè)值，訓(xùn)練好的gbdt會(huì)為每個(gè)樣本落在每棵樹上的位置生成葉子節(jié)點(diǎn)索引；

49、步驟8.2：每個(gè)樣本生成的葉子節(jié)點(diǎn)索引都被進(jìn)行one-hot編碼；

50、步驟8.3：每個(gè)樣本進(jìn)行one-hot編碼后的數(shù)據(jù)，與原始的9維特征向量組合合并；

51、步驟8.4：將合并后的特征向量輸入到邏輯回歸lr模型中進(jìn)行訓(xùn)練，得到gbdt-lr模型；

52、在lr模型中，(的值介于0和1之間)是一個(gè)sigmoid函數(shù)，sigmoid函數(shù)用于表示二元分類的概率，如果超過(guò)0.5，則將樣本歸類為正類，否則就歸為負(fù)類，z＝w·xt+b＝w1x1+w2x2+…+wnxn+b是線性組合，其中為輸入特征向量，為權(quán)重向量，b為偏置量，該模型的核心思想是利用梯度下降法對(duì)w和b進(jìn)行迭代更新，使損失函數(shù)j(w,b)最小化，對(duì)于二分類問(wèn)題，損失函數(shù)定義為：

53、

54、其中yi為第i個(gè)樣本的真實(shí)標(biāo)簽(0或1)，為lr對(duì)第i個(gè)樣本的預(yù)測(cè)概率，m為樣本總數(shù)；

55、步驟8.5：將訓(xùn)練好的gbdt-lr模型，對(duì)測(cè)試集樣本的9維特征向量進(jìn)行驗(yàn)證，得到準(zhǔn)確率accuracy。

56、步驟9具體為：

57、在醫(yī)院、宿舍和實(shí)驗(yàn)室為不同的受試者分配設(shè)備進(jìn)行數(shù)據(jù)采集，該數(shù)據(jù)集包含約270個(gè)咳嗽事件和290個(gè)非咳嗽事件，受試者在正常工作和生活時(shí)隨機(jī)咳嗽、呼氣、清喉嚨和說(shuō)話，為了盡可能清晰地收集信號(hào)，麥克風(fēng)放置在距離口腔30厘米的范圍內(nèi)，夾在衣領(lǐng)上；

58、為了評(píng)價(jià)咳嗽識(shí)別模型的性能，將“預(yù)測(cè)為咳嗽的咳嗽樣本”定義為真陽(yáng)性tp，將“預(yù)測(cè)為非咳嗽的咳嗽樣本”定義為假陰性fn，將“預(yù)測(cè)為非咳嗽的非咳嗽樣本”定義為真陰性tn，將“預(yù)測(cè)為咳嗽的非咳嗽樣本”定義為假陽(yáng)性fp，并將準(zhǔn)確率accuracy、精度precision、召回率recall和f1作為評(píng)價(jià)指標(biāo)；

59、

60、準(zhǔn)確率accuracy表示模型識(shí)別總樣本的能力，是模型性能的總體表征；

61、

62、精度precision表示模型對(duì)假陽(yáng)性的控制能力，在咳嗽監(jiān)測(cè)中，準(zhǔn)確度高意味著誤判少；

63、

64、召回率recall表示模型中識(shí)別陽(yáng)性樣本的比例，在咳嗽監(jiān)測(cè)中，高靈敏度意味著更少的漏診：

65、

66、f1評(píng)分是precision和recall的調(diào)和平均值，它反映了模型在類別數(shù)量不平衡的數(shù)據(jù)集中的性能；

67、接收者操作特征曲線roc和曲線下面積auc來(lái)評(píng)估模型的分類性能，roc曲線以真陽(yáng)性率tpr為縱軸，假陽(yáng)性率fpr為橫軸繪制，auc的取值范圍是0～1。

68、步驟10中pso算法的參數(shù)如下：w為0.8，c1和c2為1，到達(dá)40次迭代自動(dòng)退出循環(huán)，其中w為慣性權(quán)值，c1和c2是學(xué)習(xí)因子，分別代表個(gè)體學(xué)習(xí)能力和群體學(xué)習(xí)能力。

69、本發(fā)明的有益效果是：

70、(1)本發(fā)明通過(guò)對(duì)音頻信號(hào)實(shí)現(xiàn)去噪，大幅提升了音頻信號(hào)的信噪比，不僅提升了音頻信號(hào)的信噪比，降低了噪聲對(duì)特征提取的干擾。同時(shí)，提升了事件檢測(cè)(vad)的精度。

71、(2)本發(fā)明僅使用了共9維特征和270個(gè)咳嗽和290個(gè)非咳嗽樣本，可以較為精確的區(qū)分咳嗽與非咳嗽聲音，同時(shí)避免了使用mfcc復(fù)雜的調(diào)參過(guò)程，并且不需要提取mfcc特征過(guò)程中，預(yù)加重，分幀，加窗，濾波等操作。整個(gè)方法流程中，可以實(shí)現(xiàn)計(jì)算量小，樣本容量小的優(yōu)點(diǎn)。

72、(3)本發(fā)明通過(guò)融合gbdt和lr，結(jié)合了gbdt特征學(xué)習(xí)能力強(qiáng)和lr處理異常值和噪聲數(shù)據(jù)時(shí)更加穩(wěn)健且不易過(guò)擬合的優(yōu)點(diǎn)。不僅可以精確區(qū)分咳嗽與非咳嗽聲音的特征，還有較強(qiáng)的泛化能力。使得模型在新數(shù)據(jù)上表現(xiàn)同樣出色。