CN102937320A - 用于智能空调的健康保护方法 - Google Patents

Abstract

本发明涉及人机交互技术，具体的说是涉及一种用于智能空调的健康保护方法。本发明提出的用于智能空调的健康保护方法，其方法可以概括为：首先通过采集设备采集用户的体征信息；然后对采集的体征信息进行分析，判断是否包含有危险体征信号，若是，则空调自动对当前工作模式进行调节，若否，则继续采集用户当前的体征信息。本发明的有益效果为，能够让智能空调根据用户当前的健康状况信息自动进行工作模式调节，并实现了机器自动识别咳嗽音检测，并通过咳嗽音检测结果自动改变空调温度、工作模式等相应设置，能有效保护使用者健康，同时该空调特别适合行动不便或暂时无操作能力的用户。本发明尤其适用于智能空调。

Description

用于智能空调的健康保护方法

技术领域

本发明涉及人机交互技术，具体的说是涉及一种用于智能空调的健康保护方法。

背景技术

目前调节空调工作模式的主要方式是手动操作，比如工作模式及温度等设置。在空调的实际使用中，比如在夏天，用户一般会将空调温度设置得偏低，刚开始人体可能对低温感觉比较舒适，但如果较长时间处于这样的环境下可能不利于身体的健康。特别是用户在已经出现咳嗽症状的时候，如果空调系统能够及时将温度调高，对使用者而言，极有可能可以避免健康状况的恶化从而导致如严重感冒等情况的发生。即使是在睡眠模式运行下，也仍然有可能出现导致轻微感冒发生咳嗽的症状。在已有咳嗽相关症状的情况下，如果系统能及时调整空调系统的温度设置，用户将会获得更好的用户体验。对那些不能或不方便操作空调的用户而言，系统能自动调节温度设置具有更好的优越性。因此，目前的空调在使用过程中不能自动依据使用者的健康状况而自动进行工作模式的调整，已经不能满足人们家居生活的智能化需求。

发明内容

本发明所解决的问题，就是提出一种用于智能空调的健康保护方法。

本发明解决上述技术问题所采用的技术方案是：用于智能空调的健康保护方法，其特征在于，包括以下步骤：

a.通过采集设备采集用户的体征信息；

b.对采集的体征信息进行分析，判断是否包含有不健康体征信号，若是，则进入步骤c，若否，则返回步骤a；

c.空调自动对当前工作模式进行调节。

具体的，所述体征信息为声音信息。

具体的，所述采集设备为语音采集器。

具体的，步骤b还包括以下步骤：

b1.采用端点检测方式检测并提取声音中疑似咳嗽语音段；

b2.按帧提取疑似咳嗽语音段中的语音特征参数；

b3.根据提取的语音特征参数建立混合高斯模型，对疑似咳嗽语音段进行分析；

b4.对疑似咳嗽语音段进行机器自动识别。

具体的，所述端点检测为短时过零率和短时能量的双门限端点检测。

具体的，步骤b1还包括以下步骤：

b11.对声音信息进行固定点数分帧，若最后一帧不足则补零；

b12.计算每帧短时能量，计算公式为：

其中，N为每帧语音PCM数据个数，取值为512；

b13.计算每帧过零率，计算公式为：

其中，sgn（）为符号函数，N为每帧语音PCM数据个数，取值为512；

b14.根据计算结果，通过基于能量与过零率的双门限端点检测疑似咳嗽语音的起始点。

具体的，所述语音特征参数为梅尔倒谱频率系数、能量及对应的一阶、二阶差分系数。

具体的，步骤b3还包括以下步骤：

b31.根据语音特征参数确定混合高斯模型的阶数M，其中高斯分布函数协方差矩阵∑为对角阵形式；

b32.采用分段K均值算法对高斯模型参数λ_i=(w_i,μ_i,∑_i)进行初始化；

b33.采用EM算法训练高斯模型参数λ_i=(w_i,μ_i,∑_i)直至参数收敛。

具体的，步骤b4还包括以下步骤：

b41.对疑似咳嗽语音段分别对咳嗽音和非咳嗽音模型进行计算得出最大后验概率；

b42.根据计算结果对咳嗽音进行识别，得出识别结果，更新咳嗽音发生频率记录。

具体的，步骤c还包括以下步骤：

c1.判断咳嗽音发生频率记录是否大于设定值，若是，则进入步骤c2，若否，则回到步骤a；

c2.判断用户是否对空调进行调节，若是，则根据用户设置进行工作模式更新，若否，则自动对当前工作模式进行调节。

本发明的有益效果为，能够让智能空调根据用户当前的健康状况信息自动进行工作模式调节，并实现了机器自动识别咳嗽音检测，并通过咳嗽音检测结果自动改变空调温度、工作模式等相应设置，能有效保护使用者健康，同时该空调特别适合行动不便或暂时无操作能力的用户。

具体实施方式

下面详细描述本发明的技术方案：

本发明所述的用于智能空调的健康保护方法，主要步骤为：首先通过采集设备采集用户的体征信息，目前各种用于人体健康指标检测的传感器非常多，并且应用技术也十分成熟，可用于检测能够体现用户当前生理特征的体征信息；然后对采集的体征信息进行分析，判断是否包含有危险体征信号，若是，则空调自动对当前工作模式进行调节，若否，则继续采集用户当前的体征信息。本发明所述的方案采用的主要技术手段为，将目前常用的利用传感器检测人体健康指标的方法应用于智能空调上，使空调具备判断当前用户健康信息的能力，从而使空调能够根据目前用户的健康状况结合当前的空调自动控制技术进行自动工作模式调节，从而实现用户的健康保护，具有极大的实用价值和社会意义。

一种优选的方案是，所述体征信息为声音信息。目前的声音传感检测技术十分成熟，相比其他体征信息，检测声音信息具有准确、及时且容易分析的优点，同时在医学上通过声音判断人体健康也是极常用的方式之一，因此选择声音信息作为用户的健康判断指标具有科学合理以及方便实用的优点。

一种具体的方案是，所述采集设备为语音采集器。本方案为对应上一方案的具体技术手段，目前的语音采集器使用及安装都十分方便，可方便的设置在空调上，并由智能空调处理器进行控制。为了便于处理，所述的语音采集设备优选为可以得到PCM格式波形数据的语音采集设备，采样率为16k/s。

一种具体的对采集到的语音信息进行分析的方法为：采用端点检测方式检测并提取声音中疑似咳嗽语音段；按帧提取疑似咳嗽语音段中的语音特征参数；根据提取的语音特征参数建立混合高斯模型，对疑似咳嗽语音段进行分析；对疑似咳嗽语音段进行机器自动识别。

一种具体的方案为，所述端点检测为短时过零率和短时能量的双门限端点检测。

一种具体的采用端点检测方式检测并提取声音信息的方法为：首先对声音信息进行固定点数分帧，若最后一帧不足则补零，如对PCM数据进行分帧，其中每帧512个PCM点，帧移为256个PCM点，最后一帧不足512个点便采用补零方式凑齐；然后分别计算每帧短时能量和过零率，其中每帧短时能量计算公式为：

其中，N为每帧语音PCM数据个数，取值为512；每帧过零率的计算公式为：

其中，sgn（）为符号函数，N为每帧语音PCM数据个数，取值为512；最后根据计算结果，通过基于短时能量与过零率的双门限端点检测法得到疑似咳嗽语音的起始点。

所述语音特征参数为梅尔倒谱频率系数、能量及对应的一阶、二阶差分系数。具体的是，对语音进行预处理后按帧提取疑似咳嗽语音段特征参数梅尔倒谱频率系数MFCC、能量系数组成的多维向量，计算该多维向量一阶、二阶差分，构成39维复合特征参数向量。其中预处理包括预加重，加窗处理PCM数据，预加重系数为0.96875，具体采用加减法结合移位运算实现乘法运算。加窗采用哈明窗，MFCC采用26组滤波器计算得到。

差分计算过程如下：

其中，C为待差分数据，Θ为差分的阶数，分别取值1和2，T为语音帧数。

一种具体的根据提取的语音特征参数建立混合高斯模型的方法为：首先根据语音特征参数确定混合高斯模型的阶数M，高斯模型的阶数指组成概率密度函数的多维高斯函数个数，一种具体的方案为阶数值M=16，其中高斯分布函数协方差矩阵∑为对角阵形式，有利于计算的简化；采用分段K均值算法对高斯模型参数λ_i=(ω_i,μ_i,∑_i),i＝1,…,M进行初始化，M为高斯密度函数阶数，取阶数值M=16，ω_i为第i个高斯分量的权重，μ_i为第i个高斯分量密度函数的均值，∑_i为第i个高斯分量密度函数的协方差矩阵；采用EM算法训练高斯模型参数λ_i=(ω_i,μ_i,∑_i),i=1，…,M直至参数收敛，具体的步骤为：计算p(i|x_t,λ)，其中p(i|x_t,λ)表示x_t属于第i个高斯分量的后验概率，其计算表达式为

然后重新估计各个高斯分量的权重

均值

协方差矩阵

具体计算表达式如下：

${\widehat{\mathrm{\ω}}}_i=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}p\left(i\right|x_t,\mathrm{\λ})$

${\widehat{\mathrm{\μ}}}_i=\frac{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}p\left(i\right|x_t,\mathrm{\λ})x_t}{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}p\left(i\right|x_t,\mathrm{\λ})},$

${\widehat{\mathrm{\σ}}}_i=\frac{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}p\left(i\right|x_t,\mathrm{\λ})x_t^2-{\widehat{\mathrm{\μ}}}_i^2}{\underset{t=1}{\overset{T}{\mathrm{\Σ}}}p\left(i\right|x_t,\mathrm{\λ})}$

最后重复执行上述步骤直至迭代准则终止。

一种具体的对疑似咳嗽语音段进行机器自动识别的方法为：通过上述方案对疑似咳嗽语音段分别对咳嗽音和非咳嗽音模型进行计算得出最大后验概率；然后根据计算结果对咳嗽音进行识别，得出识别结果，更新咳嗽音发生频率记录。

一种具体的空调自动对当前工作模式进行调节的方法为：根据检查分析结果判断咳嗽音发生频率记录是否大于设定值，若是，则继续判断用户是否对空调进行调节，若是，则根据用户设置进行工作模式更新，若否，则自动对当前工作模式进行调节，若咳嗽音发生频率记录小于设定值，则继续采集用户的体征信息。

应当理解上述说明只是为了更详细的描述本发明的技术方案而并非是对本发明的限制，本领域内的技术人员在未脱离本发明所述的技术方案的思想范围内所做的改变或者替换，其皆属于本发明的保护范围。

Claims (10)

1.用于智能空调的健康保护方法，其特征在于，包括以下步骤：

a.通过采集设备采集用户的体征信息；

b.对采集的体征信息进行分析，判断是否包含有不健康体征信号，若是，则进入步骤c，若否，则返回步骤a；

c.空调自动对当前工作模式进行调节。

2.根据权利要求1所述的用于智能空调的健康保护方法，其特征在于，所述体征信息为声音信息。

3.根据权利要求2所述的用于智能空调的健康保护方法，其特征在于，所述采集设备为语音采集器。

4.根据权利要求2或3所述的用于智能空调的健康保护方法，其特征在于，步骤b还包括以下步骤：

b1.采用端点检测方式检测并提取声音中疑似咳嗽语音段；

b2.按帧提取疑似咳嗽语音段中的语音特征参数；

b3.根据提取的语音特征参数建立混合高斯模型，对疑似咳嗽语音段进行分析；

b4.对疑似咳嗽语音段进行机器自动识别。

5.根据权利要求4所述的用于智能空调的健康保护方法，其特征在于，所述端点检测为短时过零率和短时能量的双门限端点检测。

6.根据权利要求5所述的用于智能空调的健康保护方法，其特征在于，步骤b1还包括以下步骤：

b11.对声音信息进行固定点数分帧，若最后一帧不足则补零；

b12.计算每帧短时能量，计算公式为：其中，N为每帧语音PCM数据个数，取值为512；

b13.计算每帧过零率，计算公式为：

其中，sgn（）为符号函数，N为每帧语音PCM数据个数，取值为512；

b14.根据计算结果，通过基于能量与过零率的双门限端点检测疑似咳嗽语音的起始点。

7.根据权利要求5或6所述的用于智能空调的健康保护方法，其特征在于，所述语音特征参数为梅尔倒谱频率系数、能量及对应的一阶、二阶差分系数。

8.根据权利要求7所述的用于智能空调的健康保护方法，其特征在于，步骤b3还包括以下步骤：

b31.根据语音特征参数确定混合高斯模型的阶数M，其中高斯分布函数协方差矩阵∑为对角阵形式；

b32.采用分段K均值算法对高斯模型参数λ_i=(w_i,μ_i,∑_i)进行初始化；

b33.采用EM算法训练高斯模型参数λ_i=(w_i,μ_i,∑_i)直至参数收敛。

9.根据权利要求8所述的用于智能空调的健康保护方法，其特征在于，步骤b4还包括以下步骤：

b41.对疑似咳嗽语音段分别对咳嗽音和非咳嗽音模型进行计算得出最大后验概率；

b42.根据计算结果对咳嗽音进行识别，得出识别结果，更新咳嗽音发生频率记录。

10.根据权利要求9所述的用于智能空调的健康保护方法，其特征在于，步骤c还包括以下步骤：

c1.判断咳嗽音发生频率记录是否大于设定值，若是，则进入步骤c2，若否，则回到步骤a；

c2.判断用户是否对空调进行调节，若是，则根据用户设置进行工作模式更新，若否，则自动对当前工作模式进行调节。