欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026100182248
申请人: 浙江师范大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深度学习与马氏距离建模的咳嗽检测方法,其特征在于,包括如下步骤:S1、采集待检测的连续音频,并对所述连续音频进行预处理;

S2、通过短时能量分析和基于噪声自适应的迟滞门限,从预处理后的连续音频中分割出若干有声片段;

S3、将若干有声片段输入至预训练的音频谱图Transformer模型,获得每个有声片段对应的高维特征向量;

S4、基于预先构建的咳嗽高斯分布模型,计算每个有声片段的高维特征向量到咳嗽高斯分布的马氏距离;

S5、将每个有声片段的马氏距离与当前环境的自适应阈值进行比较,若小于或等于所述自适应阈值,则将对应的有声片段判定为咳嗽片段;

S6、在预设长时间窗口内,对步骤S5判定的咳嗽片段进行计数,并累加咳嗽时长,输出带有时间戳的咳嗽次数和总咳嗽时长;

在所述S4中,所述咳嗽高斯分布模型通过如下步骤构建:获取由多个咳嗽正样本经所述音频谱图Transformer模型提取得到的高维样本特征向量集合;

基于所述高维样本特征向量集合,计算咳嗽类在特征空间中的均值向量和协方差矩阵;所述协方差矩阵采用收缩估计方法计算得到;

基于均值向量和协方差矩阵,构建表征咳嗽高斯分布模型的马氏距离函数;

通过所述马氏距离函数计算每个咳嗽正样本的马氏距离,获得多个咳嗽正样本的马氏距离分布,并基于多个咳嗽正样本的马氏距离分布,求取预设分位数对应的距离值作为用于咳嗽判定的初始全局阈值;

在所述S5中,所述当前环境的自适应阈值通过如下步骤获取:基于当前待检测的连续音频中所有有声片段的马氏距离集合,结合咳嗽事件在时间上稀疏分布的先验信息,采用混合分布拟合、分位数约束或排序启发式中的至少一种方式,将所述马氏距离集合划分为近似咳嗽簇和近似非咳嗽簇;

基于所述近似咳嗽簇和所述近似非咳嗽簇,按照预设自适应阈值筛选规则在所述马氏距离集合中搜索得到当前环境的自适应阈值;

若搜索失败,则将所述初始全局阈值作为当前环境的自适应阈值;

所述预设自适应阈值筛选规则具体包括:

以所述近似咳嗽簇中所包含的有声片段数量占总有声片段数量的比例小于或等于预设比例作为约束条件,在所述马氏距离集合中搜索得到多个候选阈值;

在所述多个候选阈值中,选择误报片段数与漏检片段数经加权求和后总值最小的候选阈值作为当前环境的自适应阈值。

2.如权利要求1所述的基于深度学习与马氏距离建模的咳嗽检测方法,其特征在于,在所述S1中,所述对所述连续音频进行预处理,包括:对所述连续音频进行重采样、单声道化、固定时长裁剪和幅值归一化处理。

3.如权利要求1所述的基于深度学习与马氏距离建模的咳嗽检测方法,其特征在于,所述S2具体包括:S21、对预处理后的连续音频进行分帧处理,得到音频帧序列;

S22、获取所述音频帧序列中的每一音频帧的均方根能量,并将所述均方根能量转换为分贝值,得到分贝能量序列;

S23、对所述分贝能量序列进行平滑处理,得到平滑后的能量曲线;

S24、基于所述平滑后的能量曲线,计算其指定分位数作为噪声地板阈值;

S25、根据所述噪声地板阈值,确定启动阈值和关闭阈值;

S26、采用状态机逐帧扫描所述平滑后的能量曲线,依据所述启动阈值和关闭阈值检测有声片段的起点与终点,从而分割出若干候选有声片段;

S27、对所述若干候选有声片段进行整合处理,获得最终的若干有声片段;所述整合处理包括:将持续帧数低于最小时长阈值的候选有声片段删除;将帧间隙小于或等于合并间隔阈值的相邻的两个候选有声片段进行合并。

4.如权利要求1所述的基于深度学习与马氏距离建模的咳嗽检测方法,其特征在于,所述S3具体包括:S31、根据预设目标长度对各有声片段的波形长度进行归一化处理;

S32、对归一化后的有声片段波形进行短时傅里叶变换后,通过梅尔滤波器组转换为功率梅尔谱;对所述功率梅尔谱进行对数运算,获得对数梅尔频谱特征图;

S33、采用补丁嵌入层,按照预设频率维和预设时间维,将所述对数梅尔频谱特征图划分为多个补丁;

S34、将各补丁映射到D维特征空间,获得各补丁对应的补丁序列矩阵;

S35、将各补丁序列矩阵输入至Transformer编码器进行编码,得到对应的多个隐藏向量;

S36、对多个隐藏向量进行全局平均池化,得到每个有声片段对应的高维特征向量。

5.如权利要求1所述的基于深度学习与马氏距离建模的咳嗽检测方法,其特征在于,还包括:根据用户反馈,对当前环境的自适应阈值进行更新;包括:基于所述S6输出的带有时间戳的咳嗽次数和总咳嗽时长,收集用户反馈的误报非咳嗽片段和漏检咳嗽片段,进行标记后得到反馈样本;

分别提取所述反馈样本中误报非咳嗽样本和漏检咳嗽样本的特征向量集合;

计算所述误报非咳嗽片段的特征向量到咳嗽高斯分布的马氏距离,并获取其相对于当前自适应阈值的平均偏差;计算所述漏检咳嗽片段的特征向量到咳嗽高斯分布的马氏距离,并获取其相对于当前自适应阈值的平均偏差;

根据平均偏差和平均偏差,对所述自适应阈值进行更新:

其中,为更新后的自适应阈值;为当前的自适应阈值;为平均偏差的学习率系数;为平均偏差的学习率系数。

6.一种基于深度学习与马氏距离建模的咳嗽数据管理方法,其特征在于,包括:针对完成权利要求1-5任一项中的基于深度学习与马氏距离建模的咳嗽检测的所有有声片段对应的马氏距离,将满足马氏距离的有声片段筛选为高置信度咳嗽样本集合;将满足马氏距离的有声片段筛选为高置信度非咳嗽样本集合;其中,为安全间隔;

生成一索引文件,记录所述高置信度咳嗽样本集合与高置信度非咳嗽样本集合中每个样本的原始音频文件路径、起止时间、马氏距离值、自适应环境阈值和当前标签;

将所述索引文件导入数据标注与训练系统,用于构建或扩充咳嗽音频数据集。

7.一种基于深度学习与马氏距离建模的咳嗽检测与数据管理系统,其特征在于,包括:音频采集及预处理模块,用于采集待检测的连续音频,并对所述连续音频进行预处理;

有声片段分割模块,用于通过短时能量分析和基于噪声自适应的迟滞门限,从预处理后的连续音频中分割出若干有声片段;

音频特征提取模块,用于将若干有声片段输入至预训练的音频谱图Transformer模型,获得每个有声片段对应的高维特征向量;

马氏距离计算模块,用于基于预先构建的咳嗽高斯分布模型,计算每个有声片段的高维特征向量到咳嗽高斯分布的马氏距离;

咳嗽片段检测模块,用于将每个有声片段的马氏距离与当前环境的自适应阈值进行比较,若小于或等于所述自适应阈值,则将对应的有声片段判定为咳嗽片段;

窗口统计模块,用于在预设长时间窗口内,对判定的咳嗽片段进行计数,并累加咳嗽时长,输出带有时间戳的咳嗽次数和总咳嗽时长;

数据管理模块,用于针对完成检测的所有有声片段对应的马氏距离,以及每个有声片段对应的咳嗽标签或非咳嗽标签,构建或扩充咳嗽音频数据集;

在所述马氏距离计算模块中,所述咳嗽高斯分布模型通过如下步骤构建:获取由多个咳嗽正样本经所述音频谱图Transformer模型提取得到的高维样本特征向量集合;

基于所述高维样本特征向量集合,计算咳嗽类在特征空间中的均值向量和协方差矩阵;所述协方差矩阵采用收缩估计方法计算得到;

基于均值向量和协方差矩阵,构建表征咳嗽高斯分布模型的马氏距离函数;

通过所述马氏距离函数计算每个咳嗽正样本的马氏距离,获得多个咳嗽正样本的马氏距离分布,并基于多个咳嗽正样本的马氏距离分布,求取预设分位数对应的距离值作为用于咳嗽判定的初始全局阈值;

在所述咳嗽片段检测模块中,所述当前环境的自适应阈值通过如下步骤获取:基于当前待检测的连续音频中所有有声片段的马氏距离集合,结合咳嗽事件在时间上稀疏分布的先验信息,采用混合分布拟合、分位数约束或排序启发式中的至少一种方式,将所述马氏距离集合划分为近似咳嗽簇和近似非咳嗽簇;

基于所述近似咳嗽簇和所述近似非咳嗽簇,按照预设自适应阈值筛选规则在所述马氏距离集合中搜索得到当前环境的自适应阈值;

若搜索失败,则将所述初始全局阈值作为当前环境的自适应阈值;

所述预设自适应阈值筛选规则具体包括:

以所述近似咳嗽簇中所包含的有声片段数量占总有声片段数量的比例小于或等于预设比例作为约束条件,在所述马氏距离集合中搜索得到多个候选阈值;

在所述多个候选阈值中,选择误报片段数与漏检片段数经加权求和后总值最小的候选阈值作为当前环境的自适应阈值。