基于语音特征的脑卒中风险智能预测研究

发布时间：2021-06-09 06:48

　　脑卒中是一种突发性的脑血管堵塞或破裂的疾病。在我国成年人中,致死或致残的第一因素就是脑卒中。同时,脑卒中不仅具有较高的致死率以及致残率,而且容易反复发作。目前,在医学上,脑卒中的治疗方法主要用于脑卒中发生之后,治疗方法缺乏时效性,从而导致脑卒中治疗效果很不理想。对于脑卒中的防治,医学界普遍认为预防是脑卒中疾病最好的治疗措施。针对目前脑卒中疾病防治遇到的问题,本文提出了基于语音特征的脑卒中风险智能预测方法,该方法主要研究以下几个方面内容:（1）本文将语音特征作为脑卒中智能预测的特征集。在脑卒中发生前,患者最为明显的征兆就是说话不利索且比较困难,同时会伴有吐字不清等症状。本文通过获取脑卒中患者和正常人的语音,从原始语音数据中提取语音特征,在语音特征中,梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征能够很好地表征原始语音的语音特性。将MFCC语音特征作为脑卒中智能预测的特征集。（2）本文使用相关的数据预处理方法对语音特征进行预处理。在获取的MFCC语音特征中,本身会有很多问题,比如,MFCC语音特征会存在缺失值以及冗余特征等,本文使用合... 

【文章来源】：广东工业大学广东省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

语音产生流程图

然后计算语音信号的采样值以及线性预测的采样值，使得当样本与之前的多个线性拟合样本在均分误差方面达到最小。线性预测分析个极好的声道模型，利用该模型可以用来降低传输码率以及解混响。 梅尔频率倒谱系数特征MFCC 语音特征可以很好地表示语音信号在频率域的能量分布[38]。MFCC 常适合耳朵的听觉特性。在人的语音信号处理过程中，语音信号的低频部音信号的大部分信号，人一般可以识别的声音频率为 20Hz 到 2000Hz 的范知的声音频率与声音的实际频率是符合非线性关系的，但与其声音的实际总体上可以看成线性的关系[39]。Mel 频率与实际频率的的关系可用方程表示Mel(f) 2595lg(1 f/700)（，f 表示实际的频率，单位为 Hz。Mel 频率与语音的实际频率 f 的关系图 2-2

图 2-3 MFCC 语音特征提取的基本流程Figure 2-3 Basic flow of MFCC features重：这个步骤是一个对信号高频部分使用滤波器进行加号在高频部分的能量。该步骤可以减少来自噪音信号的，使得提取的语音特征可以获得更高的准确性。语音信程表示：y(n)=x(n)-0.95x(n-1) 输出信号，x(n-1)表示过去的语音输入信号，x(n)表示语：分帧的目的是将语音信号分为一定数量的小帧，信号时间 Ts 共同确定，持续时间被用来确定每帧的长度，间的重叠大小，信号的分帧步骤可以用下面的方程式表示Nw=10-3(fs*Tw) Ns=10-3(fs*Ts)


本文编号：3220158