一种病理嗓音细分方法

摘要

本发明公开了一种病理嗓音细分方法，包括模型训练模块和识别模块，模型训练模块对输入的噪音信号进行建模、求取对应的似然度，计算匹配概率并比较，找出满足条件的噪音信号，识别模块将满足条件的噪音信号进行匹配。本发明对输入的嗓音信号的长度没有什么要求，可以是任意类型的特征参数，并且不同的特征分配以不同的权值，这样充分利用各参数的优点，且对特征参数的维数没有限制；可以多次训练，针对那些不易被识别的嗓音信号，进行再训练，且训练中阈值、结束的条件和识别中的条件可以灵活设定。本发明可以自行设定病理嗓音的种类，并进行精确细分，实现嗓音疾病的预诊断及患者恢复状况的及时追踪，同时适应于教师、歌手等进行健康自查。

主权项

一种病理嗓音细分方法，包括模型训练模块和识别模块，其特征在于,所述模型训练模块包括以下步骤：步骤1）对各类病理嗓音种类，提取各种特征参数；步骤2）每类嗓音每种特征参数进行GMM训练，得到训练的GMM矩阵；步骤3）将步骤1）提取的特征参数输入训练好的GMM，求取对应的似然度；步骤4）根据步骤3）算出的似然度，计算各类病理嗓音的匹配概率；步骤5）对步骤4）求出的各特征参数匹配概率加权求和得总匹配度Match；步骤6）对步骤5）求得的Match和阈值进行比较，当大于阈值时，则进行各特征的贡献率计算；当小于阈值时，则进行计数及送入结束判断；步骤7）根据步骤6）算出的各特征的贡献率进行权重分配，其中各特征权重之和为1；步骤8）对步骤5）中的Match小于阈值且不满足结束条件的嗓音信号返回步骤1）；嗓音信号满足结束条件时，则训练结束；所述识别模块包括以下步骤：步骤9）将步骤8）中满足结束条件的嗓音信号进行特征提取；步骤10）载入训练好的识别模型；步骤11）将步骤9）中提取的特征和对应的加载模型进行匹配；步骤12）匹配结果如果满足设定的条件，则识别结束；如果不满足则载入下一个训练好的模型，并转入步骤11）。