本發(fā)明涉及嬰兒哭聲提取，尤其涉及一種嬰兒哭聲特征提取方法。

背景技術(shù)：

1、在嬰兒護(hù)理與監(jiān)護(hù)領(lǐng)域，嬰兒哭聲作為最直接且頻繁的情感與需求表達(dá)方式，一直是研究者和醫(yī)護(hù)人員關(guān)注的焦點(diǎn)。傳統(tǒng)的嬰兒哭聲識別方法多依賴于人工監(jiān)聽與判斷，這種方式不僅耗時耗力，而且容易受到主觀因素、環(huán)境噪聲以及嬰兒個體差異的影響，導(dǎo)致識別準(zhǔn)確率不高且實(shí)時性較差。

2、隨著數(shù)字信號處理技術(shù)和人工智能技術(shù)的飛速發(fā)展，尤其是深度學(xué)習(xí)算法的廣泛應(yīng)用，為嬰兒哭聲特征提取與識別提供了新的思路和方法。深度學(xué)習(xí)通過構(gòu)建多層次的神經(jīng)網(wǎng)絡(luò)模型，能夠自動從大量數(shù)據(jù)中學(xué)習(xí)并提取出高層次的抽象特征，這些特征對于后續(xù)的分類、識別等任務(wù)具有重要的指導(dǎo)意義。

3、在嬰兒哭聲特征提取方面，現(xiàn)有技術(shù)已經(jīng)取得了一些進(jìn)展，但仍然存在一些挑戰(zhàn)。首先，嬰兒哭聲具有多樣性，不同嬰兒在不同情境下的哭聲特征可能差異較大，這使得構(gòu)建通用的哭聲特征提取模型變得困難。其次，環(huán)境噪聲是影響哭聲特征提取準(zhǔn)確性的重要因素之一，尤其是在家庭、醫(yī)院等復(fù)雜環(huán)境中，噪聲干擾尤為嚴(yán)重。此外，嬰兒個體差異也是不可忽視的因素，包括年齡、性別、健康狀況等，這些都會在一定程度上影響哭聲的特征表現(xiàn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術(shù)中的不足，提供一種嬰兒哭聲特征提取方法，解決現(xiàn)有嬰兒哭聲特征提取方法中存在的準(zhǔn)確率低、實(shí)時性差等問題，通過引入深度學(xué)習(xí)等先進(jìn)技術(shù)，提高嬰兒哭聲識別的準(zhǔn)確性和實(shí)時性，為嬰兒護(hù)理和監(jiān)護(hù)領(lǐng)域的發(fā)展做出貢獻(xiàn)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種嬰兒哭聲特征提取方法，包括以下步驟：

4、獲取嬰兒的音頻信號；

5、對音頻信號進(jìn)行預(yù)處理，包括去噪和音量標(biāo)準(zhǔn)化；

6、分析音頻信號中的哭聲波形，確定哭聲周期，并識別出呼氣階段s1、吸氣階段s2以及激發(fā)期和靜息期；

7、計算提取每個哭聲周期的持續(xù)時間、強(qiáng)度和頻率特征參數(shù)。

8、優(yōu)選的，所述預(yù)處理步驟包括應(yīng)用快速傅里葉變換對音頻信號進(jìn)行頻譜分析，以濾除高頻和低頻噪聲。

9、優(yōu)選的，確定一個完整的所述哭聲周期的步驟包括：

10、識別并記錄s1階段的開始時間點(diǎn)和結(jié)束時間點(diǎn)；

11、識別并記錄s2階段的開始時間點(diǎn)和結(jié)束時間點(diǎn)；

12、將相鄰的一個s1階段和隨后的一個s2階段組合為一個完整的哭聲周期；

13、通過檢測連續(xù)的s1和s2階段之間的時間間隔，判斷哭聲周期的起點(diǎn)和終點(diǎn)。

14、優(yōu)選的，識別呼氣階段s1和吸氣階段s2階段包括：

15、將波形中的大幅度變化部分識別為呼氣階段s1階段；

16、將較小幅度的波形變化識別為吸氣階段s2階段；

17、基于波形的周期性特征區(qū)分激發(fā)期和靜息期。

18、優(yōu)選的，所述方法進(jìn)一步包括將音頻信號根據(jù)所確定的哭聲周期進(jìn)行分割，所述分割步驟包括：

19、根據(jù)識別出的s1和s2階段，將音頻信號分割成獨(dú)立的哭聲周期段；

20、將每個分割出的哭聲周期段作為單獨(dú)的分析單元進(jìn)行特征提??；

21、對分割后的音頻段進(jìn)行存儲和標(biāo)記，以便后續(xù)分析和比較。

22、優(yōu)選的，所述特征提取步驟包括計算以下參數(shù)：

23、最大聲壓級、最小聲壓級、平均聲壓級；

24、基頻的起始值、最大值、最小值和平均值；

25、呼氣階段s1和吸氣階段s2階段的時間比例；

26、哭聲周期的標(biāo)準(zhǔn)偏差。

27、優(yōu)選的，還包括步驟：

28、將提取的哭聲特征參數(shù)與嬰兒的年齡、性別、健康狀態(tài)和外部刺激條件進(jìn)行關(guān)聯(lián)分析，以建立預(yù)測模型。

29、優(yōu)選的，所述方法進(jìn)一步包括將提取的特征參數(shù)導(dǎo)出為電子表格、數(shù)據(jù)庫或其他數(shù)據(jù)格式，用于后續(xù)的統(tǒng)計分析和研究。

30、一種用于執(zhí)行權(quán)利要求至中任意一項方法的系統(tǒng)，包括：

31、音頻采集模塊，用于采集嬰兒哭聲的音頻數(shù)據(jù)；

32、數(shù)據(jù)處理模塊，用于執(zhí)行音頻信號的預(yù)處理、特征提取和分類分析；

33、輸出模塊，用于顯示或存儲分析結(jié)果。

34、優(yōu)選的，所述計算機(jī)程序產(chǎn)品包含存儲在計算機(jī)可讀介質(zhì)中的指令，當(dāng)由處理器執(zhí)行時，使得計算機(jī)能夠執(zhí)行權(quán)利要求1至6中任意一項方法的步驟。

35、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

36、本發(fā)明通過構(gòu)建一種優(yōu)化的深度神經(jīng)網(wǎng)絡(luò)模型，結(jié)合先進(jìn)的信號處理技術(shù)和特征提取算法，實(shí)現(xiàn)了對嬰兒哭聲信號的高效、準(zhǔn)確提取。

37、本發(fā)明在數(shù)據(jù)采集與預(yù)處理階段，采用了先進(jìn)的降噪技術(shù)和靜音段去除算法，有效降低了環(huán)境噪聲和個體差異對哭聲特征提取的影響。

38、本發(fā)明在模型訓(xùn)練與優(yōu)化階段，采用了交叉驗證等策略，確保了模型在不同數(shù)據(jù)集上的泛化能力；最終，在特征輸出與應(yīng)用階段，提取出的嬰兒哭聲特征可用于后續(xù)的哭聲識別，從而解析大腦不同發(fā)育程度的嬰兒聲音特點(diǎn)，為嬰兒護(hù)理和監(jiān)護(hù)提供了有力支持。

技術(shù)特征：

1.一種嬰兒哭聲特征提取方法，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的嬰兒哭聲特征提取方法，其特征在于，所述預(yù)處理步驟包括應(yīng)用快速傅里葉變換對音頻信號進(jìn)行頻譜分析，以濾除高頻和低頻噪聲。

3.根據(jù)權(quán)利要求1所述的嬰兒哭聲特征提取方法，其特征在于，確定一個完整的所述哭聲周期的步驟包括：

4.根據(jù)權(quán)利要求3所述的嬰兒哭聲特征提取方法，其特征在于，識別呼氣階段s1和吸氣階段s2階段包括：

5.根據(jù)權(quán)利要求4所述的嬰兒哭聲特征提取方法，其特征在于，所述方法進(jìn)一步包括將音頻信號根據(jù)所確定的哭聲周期進(jìn)行分割，所述分割步驟包括：

6.根據(jù)權(quán)利要求1所述的嬰兒哭聲特征提取方法，其特征在于，所述特征提取步驟包括計算以下參數(shù)：

7.根據(jù)權(quán)利要求6所述的嬰兒哭聲特征提取方法，其特征在于，還包括步驟：

8.根據(jù)權(quán)利要求1所述的嬰兒哭聲特征提取方法，其特征在于，所述方法進(jìn)一步包括將提取的特征參數(shù)導(dǎo)出為電子表格、數(shù)據(jù)庫或其他數(shù)據(jù)格式，用于后續(xù)的統(tǒng)計分析和研究。

9.一種用于執(zhí)行權(quán)利要求1至8中任意一項方法的系統(tǒng)，包括：

10.一種用于權(quán)利要求7中所述系統(tǒng)的計算機(jī)程序產(chǎn)品，其特征在于，所述計算機(jī)程序產(chǎn)品包含存儲在計算機(jī)可讀介質(zhì)中的指令，當(dāng)由處理器執(zhí)行時，使得計算機(jī)能夠執(zhí)行權(quán)利要求1至6中任意一項方法的步驟。

技術(shù)總結(jié)
本發(fā)明提供的一種嬰兒哭聲特征提取方法，包括以下步驟：獲取嬰兒的音頻信號；對音頻信號進(jìn)行預(yù)處理，包括去噪和音量標(biāo)準(zhǔn)化；分析音頻信號中的哭聲波形，確定哭聲周期，并識別出呼氣階段S1、吸氣階段S2以及激發(fā)期和靜息期；計算提取每個哭聲周期的持續(xù)時間、強(qiáng)度和頻率特征參數(shù)。

技術(shù)研發(fā)人員：黃敏,徐帆,張濤
受保護(hù)的技術(shù)使用者：成都醫(yī)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19