CN117357104A - 一种基于用户特征的音频分析方法 - Google Patents
一种基于用户特征的音频分析方法 Download PDFInfo
- Publication number
- CN117357104A CN117357104A CN202311669437.XA CN202311669437A CN117357104A CN 117357104 A CN117357104 A CN 117357104A CN 202311669437 A CN202311669437 A CN 202311669437A CN 117357104 A CN117357104 A CN 117357104A
- Authority
- CN
- China
- Prior art keywords
- audio
- data
- health monitoring
- user
- abnormal event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 43
- 230000036541 health Effects 0.000 claims abstract description 493
- 238000012544 monitoring process Methods 0.000 claims abstract description 434
- 230000002159 abnormal effect Effects 0.000 claims abstract description 214
- 230000006399 behavior Effects 0.000 claims description 89
- 230000008439 repair process Effects 0.000 claims description 50
- 230000033001 locomotion Effects 0.000 claims description 48
- 238000012806 monitoring device Methods 0.000 claims description 46
- 238000013441 quality evaluation Methods 0.000 claims description 42
- 238000001228 spectrum Methods 0.000 claims description 40
- 230000000737 periodic effect Effects 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 230000015556 catabolic process Effects 0.000 claims description 14
- 238000006731 degradation reaction Methods 0.000 claims description 14
- 238000001303 quality assessment method Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 230000036772 blood pressure Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000007958 sleep Effects 0.000 claims description 4
- 230000036578 sleeping time Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 11
- 238000000034 method Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 238000011084 recovery Methods 0.000 description 8
- 230000005236 sound signal Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000005802 health problem Effects 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000002411 adverse Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/45—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of analysis window
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于用户特征的音频分析方法，通过穿戴式健康监测设备实时获取用户的健康监测数据和行为监测数据，提取健康特征数据和行为特征数据。评估用户的健康监测等级，根据用户的健康监测等级，周期性获取音频数据。对存在质量问题的音频数据进行质量修复。随后，进行用户异常事件的识别，确定异常事件的紧急程度。最终，基于异常事件识别结果和其紧急程度，制定相应的异常事件预警方案。本发明将用户特征与音频分析相结合，为健康监测提供了全面而个性化的解决方案，可广泛应用于穿戴式健康监测设备，为用户提供更好的健康管理和紧急事件响应。
Description
技术领域
本发明涉及音频分析技术领域，特别涉及一种基于用户特征的音频分析方法。
背景技术
随着健康意识的增强，穿戴式健康监测设备变得越来越受欢迎。这些设备能够实时监测用户的生理数据、活动行为、睡眠质量等，提供了宝贵的健康信息。然而，目前的健康监测方法主要依赖于生理数据的收集和分析，忽略了用户的行为特征和环境信息。
此外，目前的健康监测设备通常无法提供对用户的音频数据进行充分分析的能力。音频数据可能包含对用户健康状态和环境异常事件的重要线索，但当前的技术局限了这一潜力的开发。缺乏基于用户特征的音频分析方法，导致用户在面临紧急事件时缺乏定制的响应方案，也无法提供更全面的健康管理建议。
因此，有必要提供一种能够结合用户特征和音频数据的健康监测方法，以提高健康监测的个性化程度和准确性，同时能够及时响应用户的健康和紧急事件需求。本发明旨在弥补现有技术的不足之处，提供一种创新的基于用户特征的音频分析方法，为用户的健康监测和紧急事件响应提供新的解决方案。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于用户特征的音频分析方法。
本发明第一方面提供了一种基于用户特征的音频分析方法，包括：
实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据；
根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级；
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果；
根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据；
对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度；
根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案。
本方案中，所述实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据，具体为：
基于穿戴式健康监测设备的数据记录实时获取穿戴式健康监测设备用户的血压、血氧饱和度、心率的变化数据，得到健康监测数据；
根据穿戴式健康监测设备记录的用户活动数据获取穿戴式健康监测设备用户的每日步数记录、移动速度、睡眠时间、活动时间，得到行为监测数据。
本方案中，所述根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级，具体为：
获取人体健康状态下的每项健康监测数据的基准变化范围，将健康监测数据和所述基准变化范围进行对比，得到每项健康监测数据的健康偏差值；
根据所述健康监测数据和行为监测数据，对健康监测数据中的数据项进行健康权重分配，得到健康权重因子；
基于健康偏差值和健康权重因子对穿戴式健康监测设备用户的每项健康监测数据进行评估，得到每项健康监测数据的健康程度；
通过对所述每项健康监测数据的健康程度进行综合健康综合评估，得到健康特征数据；
对行为监测数据按天进行数据分割，得到周期性行为监测数据，将周期性行为数据按时间序列进行对齐操作；
根据周期性行为监测数据提取穿戴式健康监测设备用户的运动模式、睡眠周期、活动强度，得到行为特征数据；
建立预设健康监测等级评估表，基于预设健康监测等级评估表对健康特征数据和行为特征数据评估穿戴式健康监测设备用户的健康监测等级。
本方案中，所述基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果，具体为:
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据；
将所述音频数据划分为多个短时间窗口，选择汉宁窗作为窗口函数，基于所述窗口函数对每个短时间窗口计算窗口化信号，得到每个短时间窗口内的音频时域信号；
对每个短时间窗口内的音频时域信号进行快速傅立叶变换，得到每个短时间窗口内音频的复数频域数据；
将每个复数频域数据按时间序列进行排序整合，得到音频数据的频谱信息；
根据频谱信息提取音频数据的相关特征，并计算所述相关特征的特征向量，所述相关特征包括声音的频率、能量、音量、频带宽度；
基于所述特征向量计算音频质量指标，所述音频质量指标包括信噪比、失真度、频谱平坦度、语音清晰度；
通过所述音频质量指标于预定义音频质量标准进行质量评估，若音频质量指标满足音频质量标准，确定音频数据质量级别为符合标准，否则确定为不符合标准，得到音频质量评估结果。
本方案中，所述根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据，具体为：
获取穿戴式健康监测设备用户的历史音频数据，对所述历史音频数据提取频谱信息，得到历史音频数据频谱信息；
根据历史音频数据频谱信息提取穿戴式健康监测设备用户的历史音频特征；
根据音频质量评估结果，确定需要修复的音频数据，得到待修复音频数据，并提取待修复音频数据的音频特征；
基于机器学习算法将修复音频数据的音频特征于历史音频特征进行对比，得到待修复音频数据的质量下降程度，基于所述质量下降程度确定音频修复参数；
基于所述音频修复参数对待修复音频数据进行修复，得到音频修复数据。
本方案中，所述对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度，具体为：
构建异常事件关键字数据库；
基于深度学习神经网络构建音频异常事件识别模型，将所述异常事件关键字数据库中的数据导入音频异常事件识别模型中进行学习和训练；
将音频修复数据进行特征提取，得到音频修复数据的时域特征和频域特征，基于语音识别技术对所述时域特征和频域特征进行文字转化，提取音频修复数据中的言语文字信息；
将所述言语文字信息导入音频异常事件识别模型进行异常事件关键字进行识别，得到异常关键字识别结果；
根据异常关键字识别结果，若异常关键字达到预设数量值，则判定为异常事件，并根据异常关键字确定异常事件类型，得到异常事件识别结果；
根据异常事件识别结果判断异常事件紧急程度。
本方案中，所述根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案，具体为：
根据异常事件识别结果，实时获取穿戴式健康监测设备用户的位置信息和异常事件识别时间；
基于异常事件类型、所述位置信息和异常事件识别时间构成紧急事件基本信息；
根据异常事件紧急程度对紧急事件基本信息生成不同紧急程度等级的异常事件预警方案。本发明第二方面还提供了一种基于用户特征的音频分析系统，该系统包括：存储器、处理器，所述存储器中包括基于用户特征的音频分析方法程序，所述基于用户特征的音频分析方法程序被所述处理器执行时，实现如下步骤：
实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据；
根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级；
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果；
根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据；
对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度；
根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案。
本方案中，所述基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果，具体为:
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据；
将所述音频数据划分为多个短时间窗口，选择汉宁窗作为窗口函数，基于所述窗口函数对每个短时间窗口计算窗口化信号，得到每个短时间窗口内的音频时域信号；
对每个短时间窗口内的音频时域信号进行快速傅立叶变换，得到每个短时间窗口内音频的复数频域数据；
将每个复数频域数据按时间序列进行排序整合，得到音频数据的频谱信息；
根据频谱信息提取音频数据的相关特征，并计算所述相关特征的特征向量，所述相关特征包括声音的频率、能量、音量、频带宽度；
基于所述特征向量计算音频质量指标，所述音频质量指标包括信噪比、失真度、频谱平坦度、语音清晰度；
通过所述音频质量指标于预定义音频质量标准进行质量评估，若音频质量指标满足音频质量标准，确定音频数据质量级别为符合标准，否则确定为不符合标准，得到音频质量评估结果。
本方案中，所述根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据，具体为：
获取穿戴式健康监测设备用户的历史音频数据，对所述历史音频数据提取频谱信息，得到历史音频数据频谱信息；
根据历史音频数据频谱信息提取穿戴式健康监测设备用户的历史音频特征；
根据音频质量评估结果，确定需要修复的音频数据，得到待修复音频数据，并提取待修复音频数据的音频特征；
基于机器学习算法将修复音频数据的音频特征于历史音频特征进行对比，得到待修复音频数据的质量下降程度，基于所述质量下降程度确定音频修复参数；
基于所述音频修复参数对待修复音频数据进行修复，得到音频修复数据。
本发明公开了一种基于用户特征的音频分析方法，通过穿戴式健康监测设备实时获取用户的健康监测数据和行为监测数据，提取健康特征数据和行为特征数据。评估用户的健康监测等级，根据用户的健康监测等级，周期性获取音频数据。对存在质量问题的音频数据进行质量修复。随后，进行用户异常事件的识别，确定异常事件的紧急程度。最终，基于异常事件识别结果和其紧急程度，制定相应的异常事件预警方案。本发明将用户特征与音频分析相结合，为健康监测提供了全面而个性化的解决方案，可广泛应用于穿戴式健康监测设备，为用户提供更好的健康管理和紧急事件响应。
附图说明
图1示出了本发明一种基于用户特征的音频分析方法的流程图；
图2示出了本发明得到音频质量评估结果的流程图；
图3示出了本发明得到音频修复数据的流程图；
图4示出了本发明一种基于用户特征的音频分析系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于用户特征的音频分析方法的流程图。
如图1所示，本发明第一方面提供了一种基于用户特征的音频分析方法，包括：
S102，实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据；
S104，根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级；
S106，基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果；
S108，根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据；
S110，对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度；
S112，根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案。
需要说明的是，通过获取穿戴式健康监测设备用户的健康监测数据和行为监测数据进行获取健康特征数据和行为特征数据，并设置健康监测周期，根据健康监测周期获取穿戴式健康监测设备用户的音频数据，对存在音频质量问题的音频数据进行修复，通过修复后的音频数据对异常事件进行识别，最终生成异常事件预警方案，有效的识别穿戴式健康监测设备用户遇到的异常事件，保障了用户的安全和健康；所述异常事件预警方案能够给用户提供个性化响应，提供全面准确的健康管理服务，提高用户在异常事件处理的效率；所述音频数据主要为穿戴式健康监测设备所采集的语音音频数据和环境音频数据。
根据本发明实施例，所述实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据，具体为：
基于穿戴式健康监测设备的数据记录实时获取穿戴式健康监测设备用户的血压、血氧饱和度、心率的变化数据，得到健康监测数据；
根据穿戴式健康监测设备记录的用户活动数据获取穿戴式健康监测设备用户的每日步数记录、移动速度、睡眠时间、活动时间，得到行为监测数据。
需要说明的是，所述健康监测数据能够即时监测用户的生理状态，从而更好的评估健康状态；所述行为监测数据提供了用户的活动水平和生活方式的信息，有助于全面评估用户的健康状态。
根据本发明实施例，所述根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级，具体为：
获取人体健康状态下的每项健康监测数据的基准变化范围，将健康监测数据和所述基准变化范围进行对比，得到每项健康监测数据的健康偏差值；
根据所述健康监测数据和行为监测数据，对健康监测数据中的数据项进行健康权重分配，得到健康权重因子；
基于健康偏差值和健康权重因子对穿戴式健康监测设备用户的每项健康监测数据进行评估，得到每项健康监测数据的健康程度；
通过对所述每项健康监测数据的健康程度进行综合健康综合评估，得到健康特征数据；
对行为监测数据按天进行数据分割，得到周期性行为监测数据，将周期性行为数据按时间序列进行对齐操作；
根据周期性行为监测数据提取穿戴式健康监测设备用户的运动模式、睡眠周期、活动强度，得到行为特征数据；
建立预设健康监测等级评估表，基于预设健康监测等级评估表对健康特征数据和行为特征数据评估穿戴式健康监测设备用户的健康监测等级。
需要说明的是，通过对穿戴式健康监测设备用户的健康监测等级进行设置，可以重点对存在健康问题的用户进行监测，对不同健康监测等级的用户采用不同的健康监测等级，避免对不同用户采用相同的监测等级，实现个性化监测，节省穿戴式健康监测设备的能耗，不同的监测周期能够在满足穿戴式健康监测设备续航条件下，能够最大程度发现用户的健康问题；所述健康权重分配为对每项健康监测数据分配对用户健康影响程度的百分比；所述健康权重因子为分配健康权重后的每项健康监测数据；所述健康特征数据为对穿戴式健康监测设备用户的每项健康监测数据进行评估，最终得到总体的健康程度，用于描述穿戴式健康监测设备用户的每项健康监测数据的健康状况，判断健康监测数据异常程度；所述预设健康监测等级评估表包含了对各个健康特征数据和行为特征数据进行监测等级的设置，健康特征数据中的健康监测数据与基准变化范围偏差越大，监测等级越高，运动强度越大，监测等级也越高。
图2示出了本发明得到音频质量评估结果的流程图。
根据本发明实施例，所述基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果，具体为:
S202，基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据；
S204，将所述音频数据划分为多个短时间窗口，选择汉宁窗作为窗口函数，基于所述窗口函数对每个短时间窗口计算窗口化信号，得到每个短时间窗口内的音频时域信号；
S206，对每个短时间窗口内的音频时域信号进行快速傅立叶变换，得到每个短时间窗口内音频的复数频域数据；
S208，将每个复数频域数据按时间序列进行排序整合，得到音频数据的频谱信息；
S210，根据频谱信息提取音频数据的相关特征，并计算所述相关特征的特征向量，所述相关特征包括声音的频率、能量、音量、频带宽度；
S212，基于所述特征向量计算音频质量指标，所述音频质量指标包括信噪比、失真度、频谱平坦度、语音清晰度；
S214，通过所述音频质量指标于预定义音频质量标准进行质量评估，若音频质量指标满足音频质量标准，确定音频数据质量级别为符合标准，否则确定为不符合标准，得到音频质量评估结果。
需要说明的是，通过对音频数据转化为数字的形式，最终对音频质量进行评估，有助于确保后续的音频分析和异常事件预警的准确性和可靠性；所述健康监测等级越高，健康监测周期则越短；所述短时间窗口是在音频信号处理和分析中使用的一种技术，它的主要目的是对连续音频信号进行时间域分析，以捕捉音频信号在短时间内的频谱特性；所述窗口化信号是指对信号进行加窗处理，将信号限制在一个有限的时间范围内，以便进行分析或处理；所述快速傅立叶变换是将音频数据的时域数据转化为频域数据。
图3示出了本发明得到音频修复数据的流程图。
根据本发明实施例，所述根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据，具体为：
S302，获取穿戴式健康监测设备用户的历史音频数据，对所述历史音频数据提取频谱信息，得到历史音频数据频谱信息；
S304，根据历史音频数据频谱信息提取穿戴式健康监测设备用户的历史音频特征；
S306，根据音频质量评估结果，确定需要修复的音频数据，得到待修复音频数据，并提取待修复音频数据的音频特征；
S308，基于机器学习算法将修复音频数据的音频特征于历史音频特征进行对比，得到待修复音频数据的质量下降程度，基于所述质量下降程度确定音频修复参数；
S310，基于所述音频修复参数对待修复音频数据进行修复，得到音频修复数据。
需要说明的是，通过机器学习算法对历史音频数据特征和待修复音频数据的数据特征进行对比，确定待修复音频数据的质量下降程度，进而进行音频修复，对待修复音频数据进行质量修复，以提高音频数据的可用性和质量；所述机器学习算法包括线性回归算法；所述音频修复参数包括对待修复音频数据的去噪程度、滤波参数、语音模糊修复参数。
根据本发明实施例，所述对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度，具体为：
构建异常事件关键字数据库；
基于深度学习神经网络构建音频异常事件识别模型，将所述异常事件关键字数据库中的数据导入音频异常事件识别模型中进行学习和训练；
将音频修复数据进行特征提取，得到音频修复数据的时域特征和频域特征，基于语音识别技术对所述时域特征和频域特征进行文字转化，提取音频修复数据中的言语文字信息；
将所述言语文字信息导入音频异常事件识别模型进行异常事件关键字进行识别，得到异常关键字识别结果；
根据异常关键字识别结果，若异常关键字达到预设数量值，则判定为异常事件，并根据异常关键字确定异常事件类型，得到异常事件识别结果；
根据异常事件识别结果判断异常事件紧急程度。
需要说明的是，基于深度学习神经网络构建音频异常事件识别模型对异常事件关键字进行学习，并提取音频修复数据中的言语文字信息，对异常事件进行判断，并识别异常事件的紧急程度，确定异常事件的优先级，以便采取不同的响应措施；所述深度学习神经网络包括自然语言处理技术、音频分析技术、语音识别技术；所述时域特征是通过分析信号在时间上的变化来提取的特征，时域特征包括音频信号的平均值、标准差、最大值；所述频域特征是对信号进行傅立叶变换或其他频域分析方法来提取的特征，频域特征包括功率谱密度、频谱宽度、频谱偏度；所述异常事件类型包括摔倒、紧急呼救。
根据本发明实施例，所述根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案，具体为：
根据异常事件识别结果，实时获取穿戴式健康监测设备用户的位置信息和异常事件识别时间；
基于异常事件类型、所述位置信息和异常事件识别时间构成紧急事件基本信息；
根据异常事件紧急程度对紧急事件基本信息生成不同紧急程度等级的异常事件预警方案。
需要说明的是，对异常事件形成异常事件预警方案，能够实时响应用户的异常事件，迅速采取必要的应急措施，较少了人工干预，提高了响应的准确性和效率；所述异常事件预警方案包括异常事件发生位置、发生时间、实施紧急联系。
根据本发明实施例，还包括：
获取历史预设运动的运动音频数据，提取所述运动音频数据的音频特征，得到历史运动音频特征数据；
实时获取穿戴式健康监测设备用户的行为监测数据，根据行为监测数据判断穿戴式健康监测设备用户的是否处于运动状态，得到运动状态信息；
若处于运动状态，基于行为监测数据评估穿戴式健康监测设备用户的运动强度，并获取穿戴式健康监测设备用户运动状态下的音频数据，提取所述运动状态下的音频数据的特征数据，得到运动音频特征数据；
根据运动音频特征数据与历史运动音频特征数据进行对比，对运动项目进行识别，得到运动项目数据，所述运动项目数据包括运动项目名称、运动开始时间、运动结束时间；
获取运动过程中穿戴式健康监测设备用户的健康监测数据，根据健康监测数据提取运动状态下的健康监测数据的变化特征；
根据运动项目数据与健康监测数据的变化特征进行分析，判断穿戴式健康监测设备用户在运动结束后的健康监测数据恢复至基准变化范围的恢复时长；
基于所述恢复时长生成穿戴式健康监测设备用户的运动建议，所述运动建议包括运动项目适宜度、运动强度建议、运动时长建议。
需要说明的是，在穿戴式健康监测设备用户的运动过程中，某些运动项目可能会造成穿戴式健康监测设备用户的健康监测数据出现异常，或在运动过程中过高的运动强度造成健康监测数据的异常，从而可能对身体健康造成不利影响，通过获取运动状态下的音频数据与历史各种运动的运动音频数据进行分析，判断正在进行的运动项目，基于运动状态的行为监测数据评估用户的运动强度，并根据健康监测数据进行分析运动结束后的健康监测数据恢复至基准变化范围的恢复时长，由于过长时间不能恢复至基准变化范围，则可能对健康造成损害，最后形成用户的运动建议；通过音频数据对用户的运动项目进行识别，能够有效识别出用户所进行的运动项目，并最终生成用户的运动建议，给予用户最佳的运动提醒，避免进行不适宜的运动项目或过高的运动强度对健康造成损害；所述预设运动包括跑步、游泳、打球；所述历史运动音频特征数据为在执行预设运动的过程中发出的运动音频特征。
根据本发明实施例，还包括：
获取预设时间段内根据健康监测周期进行获取的周期性音频数据、周期性健康监测数据；
根据语音识别技术对周期性音频数据进行语音识别，将语音识别结果转化为文字信息，根据所述文字信息进行词汇统计，计算所述文字信息中的词汇出现频率，并将词汇出现频率形成词云图；
根据词云图进行分析，判断穿戴式健康监测设备用户的生活规律，根据所述生活规律进行分析，判断所述生活规律是否存在可能影响健康监测数据变化的生活项目，若存在，对该监测周期进行标注；
根据周期性健康监测数据进行分析，判断每个监测周期内是否存在健康监测数据的异动情况，对存在异动情况的监测周期进行标注；
对标注的监测周期进行重点音频数据监测，更新音频数据的监测周期和监测时长，得到音频数据监测更新方案。
需要说明的是，在基于健康监测周期获取穿戴式健康监测设备用户的音频数据的过程中，由于可能存在穿戴式健康监测用户生活中出现健康监测数据异常波动的现象，通过对周期性音频数据和周期性健康监测数据进行分析，对存在健康监测数据异常的监测周期进行重点标注，并对该监测周期重点监测，更新对音频数据的监测周期，有助于及时发现潜在的健康监测数据的异常问题，进而及时提醒用户，最大程度保障用户的健康；所述生活项目包括吃饭、睡觉、运动、喝酒、抽烟等；所述词云图是一种数据可视化工具，用于展示文本数据中单词出现频率的情况；所述异动情况为健康监测数据的不规律变化或不在健康监测数据的基准范围之内；所述音频数据监测更新方案包括对标注的监测周期进行重点监测和对非标注的监测周期的减少监测时长和监测周期，从而减少穿戴式健康监测设备的能耗和资源消耗。
图4示出了本发明一种基于用户特征的音频分析系统的框图。
本发明第二方面还提供了一种基于用户特征的音频分析系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于用户特征的音频分析方法程序，所述基于用户特征的音频分析方法程序被所述处理器执行时，实现如下步骤：
实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据；
根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级；
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果；
根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据；
对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度；
根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案。
需要说明的是，通过获取穿戴式健康监测设备用户的健康监测数据和行为监测数据进行获取健康特征数据和行为特征数据，并设置健康监测周期，根据健康监测周期获取穿戴式健康监测设备用户的音频数据，对存在音频质量问题的音频数据进行修复，通过修复后的音频数据对异常事件进行识别，最终生成异常事件预警方案，有效的识别穿戴式健康监测设备用户遇到的异常事件，保障了用户的安全和健康；所述异常事件预警方案能够给用户提供个性化响应，提供全面准确的健康管理服务，提高用户在异常事件处理的效率；所述音频数据主要为穿戴式健康监测设备所采集的语音音频数据和环境音频数据。
根据本发明实施例，所述实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据，具体为：
基于穿戴式健康监测设备的数据记录实时获取穿戴式健康监测设备用户的血压、血氧饱和度、心率的变化数据，得到健康监测数据；
根据穿戴式健康监测设备记录的用户活动数据获取穿戴式健康监测设备用户的每日步数记录、移动速度、睡眠时间、活动时间，得到行为监测数据。
需要说明的是，所述健康监测数据能够即时监测用户的生理状态，从而更好的评估健康状态；所述行为监测数据提供了用户的活动水平和生活方式的信息，有助于全面评估用户的健康状态。
根据本发明实施例，所述根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级，具体为：
获取人体健康状态下的每项健康监测数据的基准变化范围，将健康监测数据和所述基准变化范围进行对比，得到每项健康监测数据的健康偏差值；
根据所述健康监测数据和行为监测数据，对健康监测数据中的数据项进行健康权重分配，得到健康权重因子；
基于健康偏差值和健康权重因子对穿戴式健康监测设备用户的每项健康监测数据进行评估，得到每项健康监测数据的健康程度；
通过对所述每项健康监测数据的健康程度进行综合健康综合评估，得到健康特征数据；
对行为监测数据按天进行数据分割，得到周期性行为监测数据，将周期性行为数据按时间序列进行对齐操作；
根据周期性行为监测数据提取穿戴式健康监测设备用户的运动模式、睡眠周期、活动强度，得到行为特征数据；
建立预设健康监测等级评估表，基于预设健康监测等级评估表对健康特征数据和行为特征数据评估穿戴式健康监测设备用户的健康监测等级。
需要说明的是，通过对穿戴式健康监测设备用户的健康监测等级进行设置，可以重点对存在健康问题的用户进行监测，对不同健康监测等级的用户采用不同的健康监测等级，避免对不同用户采用相同的监测等级，实现个性化监测，节省穿戴式健康监测设备的能耗，不同的监测周期能够在满足穿戴式健康监测设备续航条件下，能够最大程度发现用户的健康问题；所述健康权重分配为对每项健康监测数据分配对用户健康影响程度的百分比；所述健康权重因子为分配健康权重后的每项健康监测数据；所述健康特征数据为对穿戴式健康监测设备用户的每项健康监测数据进行评估，最终得到总体的健康程度，用于描述穿戴式健康监测设备用户的每项健康监测数据的健康状况，判断健康监测数据异常程度；所述预设健康监测等级评估表包含了对各个健康特征数据和行为特征数据进行监测等级的设置，健康特征数据中的健康监测数据与基准变化范围偏差越大，监测等级越高，运动强度越大，监测等级也越高。
根据本发明实施例，所述基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果，具体为:
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据；
将所述音频数据划分为多个短时间窗口，选择汉宁窗作为窗口函数，基于所述窗口函数对每个短时间窗口计算窗口化信号，得到每个短时间窗口内的音频时域信号；
对每个短时间窗口内的音频时域信号进行快速傅立叶变换，得到每个短时间窗口内音频的复数频域数据；
将每个复数频域数据按时间序列进行排序整合，得到音频数据的频谱信息；
根据频谱信息提取音频数据的相关特征，并计算所述相关特征的特征向量，所述相关特征包括声音的频率、能量、音量、频带宽度；
基于所述特征向量计算音频质量指标，所述音频质量指标包括信噪比、失真度、频谱平坦度、语音清晰度；
通过所述音频质量指标于预定义音频质量标准进行质量评估，若音频质量指标满足音频质量标准，确定音频数据质量级别为符合标准，否则确定为不符合标准，得到音频质量评估结果。
需要说明的是，通过对音频数据转化为数字的形式，最终对音频质量进行评估，有助于确保后续的音频分析和异常事件预警的准确性和可靠性；所述健康监测等级越高，健康监测周期则越短；所述短时间窗口是在音频信号处理和分析中使用的一种技术，它的主要目的是对连续音频信号进行时间域分析，以捕捉音频信号在短时间内的频谱特性；所述窗口化信号是指对信号进行加窗处理，将信号限制在一个有限的时间范围内，以便进行分析或处理；所述快速傅立叶变换是将音频数据的时域数据转化为频域数据。
根据本发明实施例，所述根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据，具体为：
获取穿戴式健康监测设备用户的历史音频数据，对所述历史音频数据提取频谱信息，得到历史音频数据频谱信息；
根据历史音频数据频谱信息提取穿戴式健康监测设备用户的历史音频特征；
根据音频质量评估结果，确定需要修复的音频数据，得到待修复音频数据，并提取待修复音频数据的音频特征；
基于机器学习算法将修复音频数据的音频特征于历史音频特征进行对比，得到待修复音频数据的质量下降程度，基于所述质量下降程度确定音频修复参数；
基于所述音频修复参数对待修复音频数据进行修复，得到音频修复数据。
需要说明的是，通过机器学习算法对历史音频数据特征和待修复音频数据的数据特征进行对比，确定待修复音频数据的质量下降程度，进而进行音频修复，对待修复音频数据进行质量修复，以提高音频数据的可用性和质量；所述机器学习算法包括线性回归算法；所述音频修复参数包括对待修复音频数据的去噪程度、滤波参数、语音模糊修复参数。
根据本发明实施例，所述对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度，具体为：
构建异常事件关键字数据库；
基于深度学习神经网络构建音频异常事件识别模型，将所述异常事件关键字数据库中的数据导入音频异常事件识别模型中进行学习和训练；
将音频修复数据进行特征提取，得到音频修复数据的时域特征和频域特征，基于语音识别技术对所述时域特征和频域特征进行文字转化，提取音频修复数据中的言语文字信息；
将所述言语文字信息导入音频异常事件识别模型进行异常事件关键字进行识别，得到异常关键字识别结果；
根据异常关键字识别结果，若异常关键字达到预设数量值，则判定为异常事件，并根据异常关键字确定异常事件类型，得到异常事件识别结果；
根据异常事件识别结果判断异常事件紧急程度。
需要说明的是，基于深度学习神经网络构建音频异常事件识别模型对异常事件关键字进行学习，并提取音频修复数据中的言语文字信息，对异常事件进行判断，并识别异常事件的紧急程度，确定异常事件的优先级，以便采取不同的响应措施；所述深度学习神经网络包括自然语言处理技术、音频分析技术、语音识别技术；所述时域特征是通过分析信号在时间上的变化来提取的特征，时域特征包括音频信号的平均值、标准差、最大值；所述频域特征是对信号进行傅立叶变换或其他频域分析方法来提取的特征，频域特征包括功率谱密度、频谱宽度、频谱偏度；所述异常事件类型包括摔倒、紧急呼救。
根据本发明实施例，所述根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案，具体为：
根据异常事件识别结果，实时获取穿戴式健康监测设备用户的位置信息和异常事件识别时间；
基于异常事件类型、所述位置信息和异常事件识别时间构成紧急事件基本信息；
根据异常事件紧急程度对紧急事件基本信息生成不同紧急程度等级的异常事件预警方案。
需要说明的是，对异常事件形成异常事件预警方案，能够实时响应用户的异常事件，迅速采取必要的应急措施，较少了人工干预，提高了响应的准确性和效率；所述异常事件预警方案包括异常事件发生位置、发生时间、实施紧急联系。
根据本发明实施例，还包括：
获取历史预设运动的运动音频数据，提取所述运动音频数据的音频特征，得到历史运动音频特征数据；
实时获取穿戴式健康监测设备用户的行为监测数据，根据行为监测数据判断穿戴式健康监测设备用户的是否处于运动状态，得到运动状态信息；
若处于运动状态，基于行为监测数据评估穿戴式健康监测设备用户的运动强度，并获取穿戴式健康监测设备用户运动状态下的音频数据，提取所述运动状态下的音频数据的特征数据，得到运动音频特征数据；
根据运动音频特征数据与历史运动音频特征数据进行对比，对运动项目进行识别，得到运动项目数据，所述运动项目数据包括运动项目名称、运动开始时间、运动结束时间；
获取运动过程中穿戴式健康监测设备用户的健康监测数据，根据健康监测数据提取运动状态下的健康监测数据的变化特征；
根据运动项目数据与健康监测数据的变化特征进行分析，判断穿戴式健康监测设备用户在运动结束后的健康监测数据恢复至基准变化范围的恢复时长；
基于所述恢复时长生成穿戴式健康监测设备用户的运动建议，所述运动建议包括运动项目适宜度、运动强度建议、运动时长建议。
需要说明的是，在穿戴式健康监测设备用户的运动过程中，某些运动项目可能会造成穿戴式健康监测设备用户的健康监测数据出现异常，或在运动过程中过高的运动强度造成健康监测数据的异常，从而可能对身体健康造成不利影响，通过获取运动状态下的音频数据与历史各种运动的运动音频数据进行分析，判断正在进行的运动项目，基于运动状态的行为监测数据评估用户的运动强度，并根据健康监测数据进行分析运动结束后的健康监测数据恢复至基准变化范围的恢复时长，由于过长时间不能恢复至基准变化范围，则可能对健康造成损害，最后形成用户的运动建议；通过音频数据对用户的运动项目进行识别，能够有效识别出用户所进行的运动项目，并最终生成用户的运动建议，给予用户最佳的运动提醒，避免进行不适宜的运动项目或过高的运动强度对健康造成损害；所述预设运动包括跑步、游泳、打球；所述历史运动音频特征数据为在执行预设运动的过程中发出的运动音频特征。
根据本发明实施例，还包括：
获取预设时间段内根据健康监测周期进行获取的周期性音频数据、周期性健康监测数据；
根据语音识别技术对周期性音频数据进行语音识别，将语音识别结果转化为文字信息，根据所述文字信息进行词汇统计，计算所述文字信息中的词汇出现频率，并将词汇出现频率形成词云图；
根据词云图进行分析，判断穿戴式健康监测设备用户的生活规律，根据所述生活规律进行分析，判断所述生活规律是否存在可能影响健康监测数据变化的生活项目，若存在，对该监测周期进行标注；
根据周期性健康监测数据进行分析，判断每个监测周期内是否存在健康监测数据的异动情况，对存在异动情况的监测周期进行标注；
对标注的监测周期进行重点音频数据监测，更新音频数据的监测周期和监测时长，得到音频数据监测更新方案。
需要说明的是，在基于健康监测周期获取穿戴式健康监测设备用户的音频数据的过程中，由于可能存在穿戴式健康监测用户生活中出现健康监测数据异常波动的现象，通过对周期性音频数据和周期性健康监测数据进行分析，对存在健康监测数据异常的监测周期进行重点标注，并对该监测周期重点监测，更新对音频数据的监测周期，有助于及时发现潜在的健康监测数据的异常问题，进而及时提醒用户，最大程度保障用户的健康；所述生活项目包括吃饭、睡觉、运动、喝酒、抽烟等；所述词云图是一种数据可视化工具，用于展示文本数据中单词出现频率的情况；所述异动情况为健康监测数据的不规律变化或不在健康监测数据的基准范围之内；所述音频数据监测更新方案包括对标注的监测周期进行重点监测和对非标注的监测周期的减少监测时长和监测周期，从而减少穿戴式健康监测设备的能耗和资源消耗。
本发明公开了一种基于用户特征的音频分析方法，通过穿戴式健康监测设备实时获取用户的健康监测数据和行为监测数据，提取健康特征数据和行为特征数据。评估用户的健康监测等级，根据用户的健康监测等级，周期性获取音频数据。对存在质量问题的音频数据进行质量修复。随后，进行用户异常事件的识别，确定异常事件的紧急程度。最终，基于异常事件识别结果和其紧急程度，制定相应的异常事件预警方案。本发明将用户特征与音频分析相结合，为健康监测提供了全面而个性化的解决方案，可广泛应用于穿戴式健康监测设备，为用户提供更好的健康管理和紧急事件响应。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于用户特征的音频分析方法，其特征在于，包括以下步骤：
实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据；
根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级；
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果；
根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据；
对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度；
根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案。
2.根据权利要求1所述的一种基于用户特征的音频分析方法，其特征在于，所述实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据，具体为：
基于穿戴式健康监测设备的数据记录实时获取穿戴式健康监测设备用户的血压、血氧饱和度、心率的变化数据，得到健康监测数据；
根据穿戴式健康监测设备记录的用户活动数据获取穿戴式健康监测设备用户的每日步数记录、移动速度、睡眠时间、活动时间，得到行为监测数据。
3.根据权利要求1所述的一种基于用户特征的音频分析方法，其特征在于，所述根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级，具体为：
获取人体健康状态下的每项健康监测数据的基准变化范围，将健康监测数据和所述基准变化范围进行对比，得到每项健康监测数据的健康偏差值；
根据所述健康监测数据和行为监测数据，对健康监测数据中的数据项进行健康权重分配，得到健康权重因子；
基于健康偏差值和健康权重因子对穿戴式健康监测设备用户的每项健康监测数据进行评估，得到每项健康监测数据的健康程度；
通过对所述每项健康监测数据的健康程度进行综合健康综合评估，得到健康特征数据；
对行为监测数据按天进行数据分割，得到周期性行为监测数据，将周期性行为数据按时间序列进行对齐操作；
根据周期性行为监测数据提取穿戴式健康监测设备用户的运动模式、睡眠周期、活动强度，得到行为特征数据；
建立预设健康监测等级评估表，基于预设健康监测等级评估表对健康特征数据和行为特征数据评估穿戴式健康监测设备用户的健康监测等级。
4.根据权利要求1所述的一种基于用户特征的音频分析方法，其特征在于，所述基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果，具体为:
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据；
将所述音频数据划分为多个短时间窗口，选择汉宁窗作为窗口函数，基于所述窗口函数对每个短时间窗口计算窗口化信号，得到每个短时间窗口内的音频时域信号；
对每个短时间窗口内的音频时域信号进行快速傅立叶变换，得到每个短时间窗口内音频的复数频域数据；
将每个复数频域数据按时间序列进行排序整合，得到音频数据的频谱信息；
根据频谱信息提取音频数据的相关特征，并计算所述相关特征的特征向量，所述相关特征包括声音的频率、能量、音量、频带宽度；
基于所述特征向量计算音频质量指标，所述音频质量指标包括信噪比、失真度、频谱平坦度、语音清晰度；
通过所述音频质量指标于预定义音频质量标准进行质量评估，若音频质量指标满足音频质量标准，确定音频数据质量级别为符合标准，否则确定为不符合标准，得到音频质量评估结果。
5.根据权利要求1所述的一种基于用户特征的音频分析方法，其特征在于，所述根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据，具体为：
获取穿戴式健康监测设备用户的历史音频数据，对所述历史音频数据提取频谱信息，得到历史音频数据频谱信息；
根据历史音频数据频谱信息提取穿戴式健康监测设备用户的历史音频特征；
根据音频质量评估结果，确定需要修复的音频数据，得到待修复音频数据，并提取待修复音频数据的音频特征；
基于机器学习算法将修复音频数据的音频特征于历史音频特征进行对比，得到待修复音频数据的质量下降程度，基于所述质量下降程度确定音频修复参数；
基于所述音频修复参数对待修复音频数据进行修复，得到音频修复数据。
6.根据权利要求1所述的一种基于用户特征的音频分析方法，其特征在于，所述对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度，具体为：
构建异常事件关键字数据库；
基于深度学习神经网络构建音频异常事件识别模型，将所述异常事件关键字数据库中的数据导入音频异常事件识别模型中进行学习和训练；
将音频修复数据进行特征提取，得到音频修复数据的时域特征和频域特征，基于语音识别技术对所述时域特征和频域特征进行文字转化，提取音频修复数据中的言语文字信息；
将所述言语文字信息导入音频异常事件识别模型进行异常事件关键字进行识别，得到异常关键字识别结果；
根据异常关键字识别结果，若异常关键字达到预设数量值，则判定为异常事件，并根据异常关键字确定异常事件类型，得到异常事件识别结果；
根据异常事件识别结果判断异常事件紧急程度。
7.根据权利要求6所述的一种基于用户特征的音频分析方法，其特征在于，所述根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案，具体为：
根据异常事件识别结果，实时获取穿戴式健康监测设备用户的位置信息和异常事件识别时间；
基于异常事件类型、所述位置信息和异常事件识别时间构成紧急事件基本信息；
根据异常事件紧急程度对紧急事件基本信息生成不同紧急程度等级的异常事件预警方案。
8.一种基于用户特征的音频分析系统，其特征在于，所述基于用户特征的音频分析系统包括储存器以及处理器，所述储存器包括基于用户特征的音频分析方法程序，所述基于用户特征的音频分析方法程序被所述处理器执行时，实现如下步骤：
实时获取穿戴式健康监测设备用户的健康监测数据和行为监测数据；
根据所述健康监测数据和行为监测数据提取所述穿戴式健康监测设备用户的健康特征数据和行为特征数据，基于所述健康特征数据和行为健康数据评估穿戴式健康监测设备用户的健康监测等级；
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果；
根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据；
对音频修复数据进行穿戴式健康监测设备用户异常事件进行识别，得到异常事件识别结果，根据异常事件识别结果判断异常事件紧急程度；
根据异常事件识别结果和异常事件紧急程度生成异常事件预警方案。
9.根据权利要求8所述的一种基于用户特征的音频分析系统，其特征在于，所述基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据，对所述音频数据进行质量评估，得到音频质量评估结果，具体为:
基于所述健康监测等级设置健康监测周期，基于所述健康监测周期获取穿戴式健康监测设备用户的音频数据；
将所述音频数据划分为多个短时间窗口，选择汉宁窗作为窗口函数，基于所述窗口函数对每个短时间窗口计算窗口化信号，得到每个短时间窗口内的音频时域信号；
对每个短时间窗口内的音频时域信号进行快速傅立叶变换，得到每个短时间窗口内音频的复数频域数据；
将每个复数频域数据按时间序列进行排序整合，得到音频数据的频谱信息；
根据频谱信息提取音频数据的相关特征，并计算所述相关特征的特征向量，所述相关特征包括声音的频率、能量、音量、频带宽度；
基于所述特征向量计算音频质量指标，所述音频质量指标包括信噪比、失真度、频谱平坦度、语音清晰度；
通过所述音频质量指标于预定义音频质量标准进行质量评估，若音频质量指标满足音频质量标准，确定音频数据质量级别为符合标准，否则确定为不符合标准，得到音频质量评估结果。
10.根据权利要求8所述的一种基于用户特征的音频分析系统，其特征在于，所述根据音频质量评估结果，对音频数据进行质量修复，得到音频修复数据，具体为：
获取穿戴式健康监测设备用户的历史音频数据，对所述历史音频数据提取频谱信息，得到历史音频数据频谱信息；
根据历史音频数据频谱信息提取穿戴式健康监测设备用户的历史音频特征；
根据音频质量评估结果，确定需要修复的音频数据，得到待修复音频数据，并提取待修复音频数据的音频特征；
基于机器学习算法将修复音频数据的音频特征于历史音频特征进行对比，得到待修复音频数据的质量下降程度，基于所述质量下降程度确定音频修复参数；
基于所述音频修复参数对待修复音频数据进行修复，得到音频修复数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311669437.XA CN117357104B (zh) | 2023-12-07 | 2023-12-07 | 一种基于用户特征的音频分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311669437.XA CN117357104B (zh) | 2023-12-07 | 2023-12-07 | 一种基于用户特征的音频分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117357104A true CN117357104A (zh) | 2024-01-09 |
| CN117357104B CN117357104B (zh) | 2024-04-26 |
Family
ID=89402578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311669437.XA Active CN117357104B (zh) | 2023-12-07 | 2023-12-07 | 一种基于用户特征的音频分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117357104B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006012460A2 (en) * | 2004-07-23 | 2006-02-02 | Innovalarm Corporation | Enhanced acoustic monitoring and alarm response |
| US20120220899A1 (en) * | 2011-02-28 | 2012-08-30 | Samsung Electronics Co., Ltd. | Apparatus and method of diagnosing health by using voice |
| US9070357B1 (en) * | 2011-05-11 | 2015-06-30 | Brian K. Buchheit | Using speech analysis to assess a speaker's physiological health |
| CN106308756A (zh) * | 2015-06-29 | 2017-01-11 | 上海卓易科技股份有限公司 | 健康信息监控方法及设备 |
| CN114756114A (zh) * | 2022-04-07 | 2022-07-15 | 北京邮电大学 | 一种可穿戴设备节能方法及设备 |
| CN116312469A (zh) * | 2023-05-17 | 2023-06-23 | 天津大学 | 一种基于语音转换的病理嗓音修复方法 |
| CN116580844A (zh) * | 2023-04-03 | 2023-08-11 | 北京急救中心 | 受伤事件告知信息的处理方法、装置、设备及存储介质 |
| CN116741191A (zh) * | 2023-07-06 | 2023-09-12 | 北京达佳互联信息技术有限公司 | 音频信号处理方法、装置、电子设备及存储介质 |
| CN116965819A (zh) * | 2023-04-28 | 2023-10-31 | 新疆大学 | 基于语音表征的抑郁症识别方法和系统 |
-
2023
- 2023-12-07 CN CN202311669437.XA patent/CN117357104B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006012460A2 (en) * | 2004-07-23 | 2006-02-02 | Innovalarm Corporation | Enhanced acoustic monitoring and alarm response |
| US20120220899A1 (en) * | 2011-02-28 | 2012-08-30 | Samsung Electronics Co., Ltd. | Apparatus and method of diagnosing health by using voice |
| US9070357B1 (en) * | 2011-05-11 | 2015-06-30 | Brian K. Buchheit | Using speech analysis to assess a speaker's physiological health |
| CN106308756A (zh) * | 2015-06-29 | 2017-01-11 | 上海卓易科技股份有限公司 | 健康信息监控方法及设备 |
| CN114756114A (zh) * | 2022-04-07 | 2022-07-15 | 北京邮电大学 | 一种可穿戴设备节能方法及设备 |
| CN116580844A (zh) * | 2023-04-03 | 2023-08-11 | 北京急救中心 | 受伤事件告知信息的处理方法、装置、设备及存储介质 |
| CN116965819A (zh) * | 2023-04-28 | 2023-10-31 | 新疆大学 | 基于语音表征的抑郁症识别方法和系统 |
| CN116312469A (zh) * | 2023-05-17 | 2023-06-23 | 天津大学 | 一种基于语音转换的病理嗓音修复方法 |
| CN116741191A (zh) * | 2023-07-06 | 2023-09-12 | 北京达佳互联信息技术有限公司 | 音频信号处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117357104B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110910901B (zh) | 一种情绪识别方法及装置、电子设备和可读存储介质 | |
| CN109697207B (zh) | 时序数据的异常监控方法及系统 | |
| CN101662550B (zh) | 呼叫中心服务质量检测方法及系统 | |
| CN110464367B (zh) | 基于多通道协同的心理异常检测方法和系统 | |
| CN115185760A (zh) | 异常检测方法以及装置 | |
| CN112036328A (zh) | 银行客户满意度计算方法及装置 | |
| CN116563829A (zh) | 一种驾驶员情绪识别方法、装置、电子设备和存储介质 | |
| CN113077821A (zh) | 音频质量检测方法、装置、电子设备及存储介质 | |
| CN111860118A (zh) | 一种基于人工智能的人体行为分析方法 | |
| CN117257302A (zh) | 人员心理健康状态评估方法及系统 | |
| CN118194186A (zh) | 一种基于物联网的螺蛳肉饲料制作管理方法及系统 | |
| CN118101998A (zh) | 一种直播风险行为监控、预警系统及方法 | |
| CN117357104B (zh) | 一种基于用户特征的音频分析方法 | |
| CN117672517A (zh) | 一种用于老人日常记录与智能监护的方法及装置 | |
| CN116884434A (zh) | 一种具有采集信号分析功能的音频鉴伪方法 | |
| CN114648688B (zh) | 高铁沿线景观等级评估方法、系统、设备及可读存储介质 | |
| CN115376692A (zh) | 一种健康数据的处理方法、装置、电子设备及存储介质 | |
| CN112668617A (zh) | 一种电网员工工作满意度评估方法及装置 | |
| CN105354830B (zh) | 基于多重回归模型的管制员疲劳检测方法、装置及系统 | |
| CN113780713A (zh) | 人员风险评估方法、终端以及存储装置 | |
| Gamage et al. | Academic depression detection using behavioral aspects for Sri Lankan university students | |
| CN118568683B (zh) | 一种非稳态运行设备寿命预测方法、装置及相关设备 | |
| CN117351993B (zh) | 一种基于音频分发的音频传输质量评价方法及系统 | |
| CN115345527B (zh) | 化学实验异常操作检测方法、装置、设备及可读存储介质 | |
| CN116757336B (zh) | 基于数据驱动的轨道交通风险的预测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |