CN108461092B - 一种对帕金森病语音分析的方法 - Google Patents

Abstract

本发明公开了一种对帕金森病语音分析的方法，包括对语音信号的升维处理，对升维信号进行降维滤波，对降维滤波信号进行分类计算得到语音的患病概率。即对语音信号进行升维——对一维语音信号进行分帧加窗，并将每一帧进行拼接，组成二维信号；对二维信号进行降维滤波，利用参数M，A，B对以上计算得到的二维信号进行滤波计算，对滤波结果进行池化后通过分类计算最后得到其分类结果。本发明通过对语音信号的分析，计算得到其患病概率，不需要复杂的提取语音特征的过程，对原始语音直接进行处理，得到患病概率。是一种简单、廉价、方便、可行的帕金森病语音分析方法。

Description

一种对帕金森病语音分析的方法

技术领域

本发明涉及一种语音信号分析方法，尤其是一种语音异常信号的分析方法。

背景技术

帕金森病是人类常见的退行性疾病之一。患病者的死亡率较高。但在早期确诊的患者绝大多数能够延缓病情的发展，病情相对稳定，生活基本能够自理。

目前中国帕金森病患者人数众多，且增长速度极快，预计到2030年，中国将有1500万帕金森病患者。在帕金森病的各种表现中，语音障碍为早期帕金森病的典型症状之一，大约90％的帕金森病人会出现某种程度的语音障碍。传统帕金森病检测系统过程复杂费用高昂。随着人口老龄化的到来，急需一种可以应用于基层医疗机构甚至家庭的方便可行、费用低廉的帕金森病初步诊断方法。

Little等通过提取非线性特征来检测语音障碍，分析患者疾病的发展阶段。他们采用持续发固定元音“a”的方法对31个受试者进行试验。Sakar等设计了计算机辅助的数据收集系统，通过对受试者提供的各种类型发音的录音样本，提取相关特征，分析特征参数中对帕金森病分类器较大作用信息的特征。虽然两者都取得了较高的正确判断率，但是支持向量机的原理无法用物理意义解释，本发明对语音分析时，对语音进行时频化表示，使其具有可视化，通过使用短时傅里叶变换、卷积等系列计算实现对语音的分析，过程比传统语音分析方法简单。

发明内容

本发明目的在于提供一种设计合理、过程简单的对帕金森病语音分析的方法。

为实现上述目的，采用了以下技方案：所述方法包括以下步骤：

步骤1，获取待分析的语音信号，对待分析语音信号进行升维处理，即将一维的语音信号升维到二维语音信号；

步骤2，将二维语音信号进行降维滤波，得到原始语音相关计算参数；

步骤3，将得到原始语音相关计算参数进行类别分析，获得患病概率。

进一步的，步骤1中，对语音信号进行升维处理的过程如下：

(1)对语音信号以频率H进行采样，采样频率H大于8000Hz，采样得到其时域离散信号为x(n)，表示n点处的信号强度，信号长度为N；求信号的短时傅里叶变换，对信号进行分帧加窗处理，为保证分帧时不损失信息以及语音的连续性，在相邻两帧之间设置重叠，重叠的长度为步长为L，L在傅里叶变换点数的10％～50％之间，傅里叶变换点数等于窗函数的窗口长度；窗函数可采用矩形窗、三角窗、汉宁窗、汉明窗、指数窗、布莱克曼窗、布莱克曼-哈里斯窗等。则x(n)可以表示为x_m(n)其中m表示帧序号，每帧信号长度为窗函数的长度；公式如下：

其中N_w表示窗函数w(n)的窗口长度；

k∈[0,N_w-1]，m∈[1,M]，

(2)X(k,m)为x_m(n)的短时幅度谱估计，而x_m(n)的频谱能量密度函数(或功率谱函数)P(k,m)为：

其中||·||₂表示二范数

(3)对P(k,m)进行归一化处理得到P'(k,m)，通过非线性映射f_t，将P'(k,m)转换成灰度图I_B；公式如下：

I_B(k,m)＝f_t(P'(k,m))f_t(x)＝a1×exp(((x-b1)/c1)²)+a2×exp(((x-b2)/c2)²)+a3×exp(((x-b3)/c3)²)+a4×exp(((x-b4)/c4)²)+a5×exp(((x-b5)/c5)²)+a6×exp(((x-b6)/c6)²)+a7×exp(((x-b7)/c7)²)

以下为f_t的系数括号内表示其95％的置信区间

a1＝0.02921(0.01149,0.04692)

b1＝40.01(39.62,40.39)

c1＝1.014(0.4478,1.581)

a2＝0.2269(-0.7758,1.23)

b2＝39.55(36.42,42.69)

c2＝5.19(1.87,8.51)

a3＝0.7642(-17.87,19.4)

b3＝27.88(25.59,30.17)

c3＝8.202(-50.39,66.8)

a4＝0.2315(-0.05681,0.5197)

b4＝45.81(38.47,53.15)

c4＝8.066(2.666,13.47)

a5＝-0.3813(-19.06,18.3)

b5＝27.98(24.31,31.65)

c5＝5.745(-27.62,39.12)

a6＝0.1179(-0.8492,1.085)

b6＝15.09(5.455,24.72)

c6＝4.884(-2.041,11.81)

a7＝0.4184(0.2156,0.6213)

b7＝38.12(36.41,39.82)

c7＝26.21(21.46,30.97)

非线性变换函数f_t的形式如上，但是不限于此，根据级数理论f_t可以有多种形式的表达。

对I_B进行缩放得到X，大小为t×t，×表示乘法运算。

进一步的，步骤2中，将二维语音信号进行降维滤波，公式如下：

M_ij为已知参数，*为卷积，对I_j进行池化处理，池化窗口大小为z×z，可采用平均池化或者最大值池化得到I_X，对其进行如下计算得到I_F

其中

为哈达玛积，A_i为已知参数。

进一步的，步骤3中，计算患病概率，公式如下：

其中，E_m是长度等于I_F行数的单位行向量，E_n长度等于I_F列数的单位列向量，B为已知参数。

与现有技术相比，本发明方法具有如下优点：使用者只需提供一段连续的汉语单元音a、o、e、i、u、ü中任意一个发音标准的语音数据，通过上述计算就能够得到该段语音患帕金森病的概率，不需要复杂的特征提取的过程。

附图说明

图1是本发明方法的流程图。

具体实施方式

下面结合附图对本发明做进一步说明：

本发明所述的对帕金森病语音分析的方法，步骤如图1所示：

过程1，将待分析语音信号进行升维处理，即将一维的语音信号升维到二维信号。

过程1-1，对一段时长为1秒的经神经科专家确诊的帕金森病患者的语音信号以44100Hz的频率进行采样，得到语音信号为x(n)，表示n点处的信号强度，信号长度为44100。求信号的短时傅里叶变换，进行分帧加窗处理时选取的窗函数为汉明窗，窗口长度为512，信号分帧时重叠长度为100，离散傅里叶变换点数为512。具体计算结果如下：

w(n)＝0.54-0.46cos(2×π×n/511)

其中k∈[0,511],m∈[0,105],n∈[0,511]，w(n)为窗函数表达式。

过程1-2，X(k,m)为x_m(n)的短时幅度谱估计，而x_m(n)频谱能量密度函数(或功率谱函数)P(k,m)为：

过程1-3，对P(k,m)进行归一化处理得到P'(k,m)，归一化后数据分布范围是

[1,64]，通过非线性映射f_t，将P'(k,m)转换成灰度图I_B。公式如下：

I_B(k,m)＝f_t(P'(k,m))f_t(x)＝a1×exp(((x-b1)/c1)²)+a2×exp(((x-b2)/c2)²)+a3×exp(((x-b3)/c3)²)+a4×exp(((x-b4)/c4)²)+a5×exp(((x-b5)/c5)²)+a6×exp(((x-b6)/c6)²)+a7×exp(((x-b7)/c7)²)

以下为f_t的系数括号内表示其95％的置信区间

a1＝0.02921(0.01149,0.04692)

b1＝40.01(39.62,40.39)

c1＝1.014(0.4478,1.581)

a2＝0.2269(-0.7758,1.23)

b2＝39.55(36.42,42.69)

c2＝5.19(1.87,8.51)

a3＝0.7642(-17.87,19.4)

b3＝27.88(25.59,30.17)

c3＝8.202(-50.39,66.8)

a4＝0.2315(-0.05681,0.5197)

b4＝45.81(38.47,53.15)

c4＝8.066(2.666,13.47)

a5＝-0.3813(-19.06,18.3)

b5＝27.98(24.31,31.65)

c5＝5.745(-27.62,39.12)

a6＝0.1179(-0.8492,1.085)

b6＝15.09(5.455,24.72)

c6＝4.884(-2.041,11.81)

a7＝0.4184(0.2156,0.6213)

b7＝38.12(36.41,39.82)

c7＝26.21(21.46,30.97)

为方便计算将I_B缩放到大小为28×28的X。

过程2，将二维信号进行降维滤波，得到原始语音相关计算参数。具体过程如下：

M_ij为已知参数，*为卷积，对I_j(大小为20×20)进行池化处理得到I_X，池化窗口大小为5×5，采用平均池化，池化后I_X大小为4×4，对I_X进行如下计算：

其中

为哈达玛积，A_i为已知参数。

过程3，将得到的参数进行类别分析，获得其患病概率。过程如下：

最终得到P的值为0.97。

其中E_m是长度等于I_F行数单位行向量，E_n长度等于I_F列数的单位列向量。M、A、B为已知参数，以下为M、A、B参数的具体值，其中M_ij＝{0}表示该矩阵为全零矩阵。

以上所述的实施例仅是对本发明的一种实施方式进行描述，语音的采样频率要求高于8000Hz，每帧重叠的长度不大于傅里叶变换点数的50％不小于10％，傅里叶变换点数大于等于窗函数的长度，窗函数可以包括矩形窗、三角窗、汉宁窗、汉明窗、指数窗、布莱克曼窗、布莱克曼-哈里斯窗等，M、A、B的具体数值在其范围±5％内都属于本发明的保护范围。在本发明的基础上，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (2)

1.一种对帕金森病语音分析的方法，其特征在于，所述方法包括以下步骤：

步骤1，获取待分析的语音信号，对待分析语音信号进行升维处理，即将一维的语音信号升维到二维语音信号；

对语音信号进行升维处理的过程如下：

(1)对语音信号以频率H进行采样，采样频率H大于8000Hz，采样得到其时域离散信号为x(n)，表示n点处的信号强度，信号长度为N；求信号的短时傅里叶变换，对信号进行分帧加窗处理，在相邻两帧之间设置重叠，重叠的长度为步长为L，L在傅里叶变换点数的10％～50％之间，傅里叶变换点数等于窗函数的窗口长度；则x(n)可以表示为x_m(n)其中m表示帧序号，每帧信号长度为窗函数的长度；公式如下：

其中N_w表示窗函数w(n)的窗口长度；

k∈[0,N_w-1]，m∈[1,M]，

(2)X(k,m)为x_m(n)的短时幅度谱估计，而x_m(n)频谱能量密度函数P(k,m)为：

其中||·||₂表示二范数

(3)对P(k,m)进行归一化处理得到P'(k,m)，通过非线性映射f_t，将P'(k,m)转换成灰度图I_B；公式如下：

I_B(k,m)＝f_t(P'(k,m))

f_t(x)＝a1×exp(((x-b1)/c1)²)+a2×exp(((x-b2)/c2)²)+a3×exp(((x-b3)/c3)²)+a4×exp(((x-b4)/c4)²)+a5×exp(((x-b5)/c5)²)+a6×exp(((x-b6)/c6)²)+a7×exp(((x-b7)/c7)²)

以下为f_t的系数a1,b1,c1,…,a7,b7,c7的具体值，括号内表示其95％的置信区间：

a1＝0.02921(0.01149,0.04692)

b1＝40.01(39.62,40.39)

c1＝1.014(0.4478,1.581)

a2＝0.2269(-0.7758,1.23)

b2＝39.55(36.42,42.69)

c2＝5.19(1.87,8.51)

a3＝0.7642(-17.87,19.4)

b3＝27.88(25.59,30.17)

c3＝8.202(-50.39,66.8)

a4＝0.2315(-0.05681,0.5197)

b4＝45.81(38.47,53.15)

c4＝8.066(2.666,13.47)

a5＝-0.3813(-19.06,18.3)

b5＝27.98(24.31,31.65)

c5＝5.745(-27.62,39.12)

a6＝0.1179(-0.8492,1.085)

b6＝15.09(5.455,24.72)

c6＝4.884(-2.041,11.81)

a7＝0.4184(0.2156,0.6213)

b7＝38.12(36.41,39.82)

c7＝26.21(21.46,30.97)

对I_B进行缩放得到X，大小为t×t，×表示乘法运算；

步骤2，将二维语音信号进行降维滤波，得到原始语音相关计算参数；

将二维语音信号进行降维滤波，公式如下：

M_ij为已知参数，*为卷积，对I_j进行池化处理，池化窗口大小为z×z，可采用平均池化或者最大值池化得到I_X，对其进行如下计算得到I_F

其中

为哈达玛积，A_i为已知参数；

参数M、A的具体值如下，但不限于此，数据波动在±5％内都属于保护范围；其中M_ij＝{0}表示该矩阵为全零矩阵；

M₁₂＝{0}，M₂₂＝{0}，M₃₂＝{0}

M₅₂＝{0}

M₂₃＝{0}

M₅₃＝{0}

M₁₅＝{0}，M₂₅＝{0}，M₃₅＝{0}，

M₆₅＝{0}

M₃₆＝{0}，M₄₆＝{0}

M₆₇＝{0}

M₄₁₀＝{0}，M₅₁₀＝{0}，M₆₁₀＝{0}

M₅₁₁＝{0}

步骤3，将得到原始语音相关计算参数进行类别分析，获得患病概率。

2.根据权利要求1所述的一种对帕金森病语音分析的方法，其特征在于，步骤3中，计算患病概率，公式如下：

其中，E_m是长度等于I_F行数的单位行向量，E_n长度等于I_F列数的单位列向量，B为已知参数；

参数B的具体值为：0.577858，数据波动在±5％。

Images