[发明专利]一种儿童咳嗽自动分类识别系统

说明书

本申请涉及数据采集和分析领域，特别是一种儿童咳嗽自动分类识别系统，其包括声学传感器采集模块、网络传送模块和云端计算模块；声学传感器采集模块：接收儿童病人的咳嗽声音的语音信号，并保存至本地服务器；网络传送模块：将本地语音信号数据上传至云端服务器；云端计算模块：将病人咳嗽音频保存至云端服务器；对语音信号进行数据清洗；从语音信号中分割提取出咳嗽信号片段；本发明可对病人咳嗽信号自动识别，可判断咳嗽音具有肺炎还是支气管炎的咳嗽特征。面对有标签的音频数据和无标签的咳嗽音片段数据，本申请在构建特征空间单元中采用提取分类特征的方法。也是本申请和现有的咳嗽音识别处理系统最大的不同点。

技术领域

本申请涉及数据采集和分析领域，特别是一种儿童咳嗽自动分类识别系统。

背景技术

咳嗽是一种呼吸道常见症状，由于气管、支气管黏膜或胸膜受炎症、异物、物理或化学性刺激引起，表现先是声门关闭、呼吸肌收缩、肺内压升高，然后声门张开，肺内空气喷射而出，通常伴随声音。咳嗽声携带着下呼吸道的重要信息。有研究结果表明，对咳嗽声进行分析来诊断下呼吸道疾病是有效的。

现有技术中也有对咳嗽进行采集和分析的专利，如申请号为CN201811261389.X，名称为《基于深度学习的咳嗽疾病识别方法及装置》，其公开了如下内容：对咳嗽音频进行预处理得到若干咳嗽音频帧序列；从若干咳嗽音频帧序列中提取得到所述咳嗽音频的声音特征；通过咳嗽疾病识别模型对所述咳嗽音频的声音特征进行分类预测，得到所述咳嗽音频对应的咳嗽疾病标签；根据所述咳嗽疾病标签输出所述咳嗽音频对应的咳嗽疾病识别结果。采用深度学习的方法，利用咳嗽疾病识别模型自动根据咳嗽音频进行咳嗽疾病的识别。上述专利中的咳嗽疾病标签对应的是咳嗽音频，是咳嗽音水平的诊断。而现实生活中，没有大量的对咳嗽音水平的标签，对咳嗽音打标签是一个耗时耗人力的一项工作。 再如专利号为CN201010217590.5的中国发明专利，该专利是对语音中的咳嗽事件进行检测和计数，并不能对咳嗽进行自动分类识别。

发明内容

本发明的首要目的在于克服上述现有技术的缺点与不足，提供一种通过声音对病人咳嗽声音进行处理，并能准确地获取咳嗽信号，且能对咳嗽信号进行简单高效识别的自动分类识别系统。

为实现上述技术效果，本申请的技术方案如下：

一种儿童咳嗽自动分类识别系统，包括声学传感器采集模块、网络传送模块和云端计算模块；

其中，声学传感器采集模块：接收儿童病人的咳嗽声音的语音信号，将记录在录音机中的儿童患者咳嗽声称为patient audios，并以WAV格式保存至本地服务器；

网络传送模块：将本地语音信号数据上传至云端服务器；

云端计算模块：将病人咳嗽音频保存至云端服务器；对WAV格式的语音信号进行数据清洗；从语音信号中分割提取出咳嗽信号片段；

云端计算模块在搭建系统时对提取出的咳嗽信号片段进行数据增强；对增强前后的咳嗽信号提取MFCC特征向量序列；聚合这些提取的MFCC特征向量，计算均值，得到特征空间里的质心，构建特征空间，用质心来代表patient audios的特征，作为特征向量；根据特征向量序列训练支持向量机SVM模型，对病人咳嗽信号进行识别，判断患有肺炎还是支气管炎；

云端计算模块使用系统时分别计算每个提取出的咳嗽信号片段的MFCC特征，再将这些来自同一个患者的多个MFCC 聚合，计算均值，得到特征空间里的质心，构造特征空间，用质心来代表患者的特征，使用训练好的SVM来对特征向量进行分类识别，判断属于肺炎还是支气管炎的咳嗽特征。

进一步地，云端计算模块包括数据存储单元、数据清洗单元以及数据分析处理单元；

进一步地，所述数据分析处理单元包括咳嗽信号分割单元、数据增强单元、特征提取单元、构建特征空间单元、训练分类器和识别单元。

数据存储单元：将接收的语音信号数据进行储存；

数据清洗单元：对语音信号进行最小均方误差降噪处理，并对音频信号的幅度值归一化。