• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于NMF和短時(shí)能量特征提取的咳嗽識(shí)別研究

    2022-07-18 12:17:32徐文龍
    關(guān)鍵詞:咳嗽聲特征參數(shù)特征提取

    李 越,徐文龍

    (中國(guó)計(jì)量大學(xué) 信息工程學(xué)院,浙江 杭州 310018)

    咳嗽是一系列呼吸道系統(tǒng)疾病的常見(jiàn)癥狀,在疾病診斷方面具有重要的臨床價(jià)值[1]。常見(jiàn)的呼吸道疾病有支氣管炎、肺炎、哮喘和百日咳等。咳嗽作為這些疾病的初始癥狀,通過(guò)這一特征表現(xiàn),在某種程度上能夠反映出患者的疾病類(lèi)型和嚴(yán)重程度,更為客觀且方便地輔助醫(yī)生進(jìn)行疾病篩查和診斷[2]。

    咳嗽聲學(xué)特性可描述為呼吸道系統(tǒng)的狀態(tài)??人月暤淖詣?dòng)識(shí)別和分類(lèi),主要借鑒語(yǔ)音識(shí)別方面的技術(shù)與研究。此外,一些硬件設(shè)備比如便攜式咳嗽監(jiān)測(cè)儀的出現(xiàn)提高了咳嗽識(shí)別的及時(shí)性和有效性[3]。

    目前,咳嗽聲的識(shí)別主要通過(guò)機(jī)器學(xué)習(xí)的方法,如隱馬爾科夫、分類(lèi)樹(shù)等模型來(lái)實(shí)現(xiàn)[4]。此外,深層模型相對(duì)于傳統(tǒng)模板匹配和淺層神經(jīng)網(wǎng)絡(luò)有很大程度的提高。有效的特征提取方法是實(shí)現(xiàn)高準(zhǔn)確度咳嗽識(shí)別的重要因素,研究者一般采取梅爾頻率倒譜系數(shù)(Mel frequency cepstrum coefficient, MFCC)方法進(jìn)行咳嗽自動(dòng)識(shí)別和計(jì)數(shù)。Swarnkarv等[5]選取MFCC、峰度系數(shù)、過(guò)零率三者結(jié)合的特征提取方式,以L(fǎng)ogistic作為分類(lèi)模型,最終完成兒科患者干濕咳聲音分類(lèi);Matos等[6]通過(guò)咳嗽數(shù)據(jù)訓(xùn)練HMM模型來(lái)檢測(cè)咳嗽音信號(hào),識(shí)別準(zhǔn)確提升到了82%;Justice等[7]通過(guò)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(recursive neural network, RNN)完成高精度咳嗽信號(hào)的檢測(cè);MITTAL等[8]則通過(guò)評(píng)估各類(lèi)聲學(xué)特征,使用支持向量機(jī)進(jìn)行咳嗽檢測(cè),獲得了更好的識(shí)別性能。

    咳嗽識(shí)別方法大多數(shù)是在小樣本數(shù)據(jù)集下完成測(cè)試的,高準(zhǔn)確度的研究方法還在進(jìn)一步研究當(dāng)中[9]。采用傳統(tǒng)的特征提取方法往往可能會(huì)使提取到的特征參數(shù)缺乏良好的區(qū)分性,從而導(dǎo)致效果并不理想[10]。針對(duì)此問(wèn)題,本文提出一種基于非負(fù)矩陣分解(nonnegative matrix factorization, NMF)的特征提取方法,在維數(shù)簡(jiǎn)約的前提下減少了模型訓(xùn)練時(shí)間。此外,在設(shè)計(jì)的咳嗽數(shù)據(jù)集上,提取咳嗽信號(hào)的短時(shí)能量特征,將兩者的組合參數(shù)作為輸入特征,通過(guò)多種評(píng)估指標(biāo)來(lái)反映不同特征提取方式的識(shí)別性能。考慮到部分?jǐn)?shù)據(jù)的不平衡性,模型方面構(gòu)建非線(xiàn)性SVM分類(lèi)器來(lái)實(shí)現(xiàn)咳嗽信號(hào)和非咳嗽信號(hào)的自動(dòng)分類(lèi)。

    1 非負(fù)矩陣分解

    在語(yǔ)音信號(hào)處理中,非負(fù)矩陣分解常用于對(duì)信號(hào)的頻譜進(jìn)行分解??人孕盘?hào)的頻域特征由短時(shí)傅里葉變換得到[11],將一個(gè)大矩陣分解為幾個(gè)較小矩陣。分解后的矩陣通常會(huì)包含正負(fù)元素,但在圖像等矩陣中負(fù)值元素會(huì)使得特征值沒(méi)有意義。因此,NMF矩陣分解后的非負(fù)元素更有利于探索咳嗽的內(nèi)在特征且具有現(xiàn)實(shí)意義。

    1.1 非負(fù)矩陣分解原理

    NMF算法的基本思想可以簡(jiǎn)單描述為:對(duì)于任意給定的一個(gè)非負(fù)矩陣A,能夠找到一個(gè)非負(fù)矩陣W和一個(gè)非負(fù)矩陣H,從而將一個(gè)非負(fù)矩陣分解為左右兩個(gè)矩陣的乘積,滿(mǎn)足條件A=WH,即

    Am×n=Wm×rHr×n。

    (1)

    其中,W為m×r維矩陣,稱(chēng)為基向量矩陣;H為r×n維矩陣,稱(chēng)為系數(shù)矩陣;r代表基向量數(shù)。

    式中,矩陣A表示為咳嗽信號(hào)經(jīng)過(guò)短時(shí)傅里葉變換后的幅度譜或功率譜組成的信息矩陣,本文選取功率譜矩陣。m和n分別表示信號(hào)的頻點(diǎn)和時(shí)間幀。

    非負(fù)矩陣分解使分解后的所有分量均為非負(fù)值(要求純加性的描述),同時(shí)實(shí)現(xiàn)非線(xiàn)性的維數(shù)約減。輸入特征參數(shù)的維數(shù)過(guò)高,會(huì)導(dǎo)致咳嗽識(shí)別模型訓(xùn)練過(guò)長(zhǎng)和內(nèi)存資源大等問(wèn)題[12]。該分解算法能夠?qū)崿F(xiàn)特征參數(shù)的降維處理,用分解后的系數(shù)矩陣H代替原始矩陣,有效提取咳嗽聲信號(hào)的局部特征,從而改善分類(lèi)器的各項(xiàng)性能,大大節(jié)省計(jì)算機(jī)的存儲(chǔ)空間。

    1.2 優(yōu)化求解

    非負(fù)矩陣分解算法可以理解為一個(gè)優(yōu)化問(wèn)題,目的是最小化矩陣W、矩陣H間乘積與原始矩陣A的差異。利用迭代的方法不斷優(yōu)化矩陣A、矩陣W和矩陣H歐氏距離的平方,從而使得乘積矩陣盡可能地接近原始矩陣。目標(biāo)函數(shù)可以表示為

    ‖A-WH‖2=∑(Aij-(WH)ij)2。

    (2)

    由目標(biāo)函數(shù)式(2)可知,當(dāng)A-WH有且為0時(shí),min(A-WH)=0,此時(shí)為式子的最優(yōu)解。

    對(duì)于NMF目標(biāo)函數(shù)的算法優(yōu)化問(wèn)題,采用梯度下降法求解,算法過(guò)程如下。

    Step1:初始化矩陣W和H。

    Step2:設(shè)置迭代次數(shù)上限和誤差閾值。

    Step3:依據(jù)迭代法則更新迭代W和H,直到全部收斂為止。

    Step4:迭代結(jié)束后,用系數(shù)矩陣H代替原始矩陣,實(shí)現(xiàn)降維運(yùn)算。

    算法更新迭代公式如式(3)。

    (3)

    當(dāng)矩陣達(dá)到收斂,誤差值達(dá)到穩(wěn)定[13]。此時(shí)說(shuō)明原始矩陣分解成功,算法結(jié)束。

    2 支持向量機(jī)原理

    支持向量機(jī)在語(yǔ)音識(shí)別尤其是針對(duì)小樣本數(shù)據(jù)集中表現(xiàn)出優(yōu)秀的序列建模能力,同樣也適用于咳嗽聲識(shí)別。具體識(shí)別原理與方法如下。

    SVM作為一種二分類(lèi)學(xué)習(xí)模型,其基本模型是定義在特征空間上的最大間隔線(xiàn)性分類(lèi)器。學(xué)習(xí)的基本思想是求解能夠正確劃分訓(xùn)練數(shù)據(jù)集和幾何間隔最大化的分類(lèi)超平面[14]。假設(shè)給定一個(gè)訓(xùn)練數(shù)據(jù)集T,此樣本集是線(xiàn)性可分的,所有在這個(gè)超平面上的點(diǎn)x均滿(mǎn)足

    ω·x+b=0。

    (4)

    當(dāng)訓(xùn)練樣本集為線(xiàn)性可分時(shí),需要引入非負(fù)松弛變量εi[15]。將求解的優(yōu)化超平面轉(zhuǎn)換為凸二次規(guī)劃問(wèn)題,并選取合適的的參數(shù)C。C的大小用于表示對(duì)錯(cuò)誤分類(lèi)的懲罰程度,轉(zhuǎn)化公式如下:

    (5)

    將二次規(guī)劃問(wèn)題轉(zhuǎn)換為求極大值問(wèn)題,并構(gòu)造拉格朗日函數(shù)來(lái)得到分類(lèi)決策函數(shù)如下:

    f(x)=sign(w*·x+b*)。

    (6)

    其中,sign是符號(hào)函數(shù),x代表訓(xùn)練樣本,b*是訓(xùn)練樣本經(jīng)過(guò)訓(xùn)練后的閾值。

    對(duì)于線(xiàn)性不可分的情況,把實(shí)際問(wèn)題轉(zhuǎn)化為某個(gè)高維空間的線(xiàn)性問(wèn)題,將二維線(xiàn)性不可分樣本映射到高維空間中,使得樣本點(diǎn)線(xiàn)性可分。方法是通過(guò)非線(xiàn)性變換來(lái)實(shí)現(xiàn),即用SVM模型中核函數(shù)k(x,y)取代x和y的內(nèi)積。

    核函數(shù)的選取對(duì)咳嗽聲的識(shí)別效果起關(guān)鍵性作用,目前常用的核函數(shù)及其表達(dá)式如表1。

    表1 SVM常用核函數(shù)

    3 實(shí)驗(yàn)方法與結(jié)果

    本文實(shí)驗(yàn)數(shù)據(jù)主要來(lái)源于醫(yī)院門(mén)診和住院部,包含不同呼吸道疾病患者咳嗽錄音和各種環(huán)境音(哭聲、尖叫聲)。經(jīng)過(guò)醫(yī)師和病人同意,使用索尼PCM-D100錄音筆對(duì)患者咳嗽聲進(jìn)行連續(xù)時(shí)間的單聲道采樣,采樣頻率設(shè)為44.1 kHZ。對(duì)每個(gè)文件的咳嗽類(lèi)型進(jìn)行標(biāo)記,利用Audacity軟件截取清晰的咳嗽和非咳嗽片段,將每段音頻保存為WAV格式數(shù)據(jù),保存在數(shù)據(jù)庫(kù)中。最終得到400個(gè)咳嗽樣本和350個(gè)非咳嗽樣本。

    針對(duì)兩類(lèi)數(shù)據(jù)樣本以一定比例劃分訓(xùn)練集和測(cè)試集,用于后續(xù)咳嗽識(shí)別實(shí)驗(yàn)。隨機(jī)抽取2/3的數(shù)據(jù)作為訓(xùn)練樣本集,1/3作為測(cè)試樣本。

    本實(shí)驗(yàn)大致流程為:首先對(duì)咳嗽樣本進(jìn)行預(yù)處理操作;再對(duì)咳嗽信號(hào)和非咳嗽信號(hào)進(jìn)行特征參數(shù)提取[16];最后構(gòu)建SVM分類(lèi)系統(tǒng)完成咳嗽音自動(dòng)識(shí)別。本文咳嗽識(shí)別系統(tǒng)框架如圖1。

    圖1 咳嗽識(shí)別系統(tǒng)框架圖

    3.1 預(yù)處理

    3.1.1 去噪技術(shù)

    由于采集的部分咳嗽聲包含噪聲干擾,需要利用去噪技術(shù)消除信號(hào)間的一系列噪音,改進(jìn)語(yǔ)音質(zhì)量[17]。本研究采用基于小波分解的語(yǔ)音去噪技術(shù),實(shí)現(xiàn)多分辨率解析,提高了時(shí)域和頻域表征局部信息的能力。

    信號(hào)f(x)的連續(xù)小波變換定義如下:

    (7)

    (8)

    其中:參數(shù)a為非零實(shí)數(shù),稱(chēng)為伸縮因子;b為平移因子。

    咳嗽音的小波去噪具體處理過(guò)程如下。

    首先,將含噪咳嗽聲信號(hào)在不同尺度下進(jìn)行小波分解,選擇小波分解層次N=6,計(jì)算信號(hào)每層的分解系數(shù)。

    其次,從1~N的每一層,設(shè)定一個(gè)閾值,幅值低于該閾值的小波系數(shù)置為0,高于閾值的信號(hào)完全保留。

    最后,對(duì)處理后的小波系數(shù)進(jìn)行重構(gòu),根據(jù)小波分解的低頻系數(shù)和修改后的1~N層高頻系數(shù),計(jì)算咳嗽信號(hào)的小波重構(gòu)。

    采用本節(jié)小波去噪方法進(jìn)行實(shí)驗(yàn),去噪后的咳嗽效果如圖2。利用此方法有效地去除了咳嗽聲以外的噪音干擾,為后續(xù)特征提取做準(zhǔn)備。

    圖2 降噪前后效果圖Figure 2 Before and after noise reduction renderings

    3.1.2 分幀加窗

    在短時(shí)分析的基礎(chǔ)上對(duì)咳嗽音進(jìn)行短時(shí)處理。將聲音片段分割為幀信號(hào),分割后的每一小段稱(chēng)為一幀,幀長(zhǎng)取30 ms。使用交疊分段的方法,使得幀與幀之間平滑連續(xù),前一幀和后一幀的交疊部分為幀移,一般為窗長(zhǎng)的1/2[18]。該技術(shù)通過(guò)窗函數(shù)間的平滑移動(dòng)來(lái)實(shí)現(xiàn),本文選取漢明窗,能夠避免波形丟失和遺漏現(xiàn)象,反映咳嗽信號(hào)間的幅度變化規(guī)律。

    漢明窗表達(dá)式如下:

    (9)

    3.2 特征提取

    3.2.1 NMF特征提取

    NMF算法實(shí)現(xiàn)了咳嗽信號(hào)的頻譜分解。通過(guò)NMF矩陣分解,一方面將描述咳嗽信號(hào)的矩陣維數(shù)進(jìn)行削減,另一方面也可以對(duì)大量的數(shù)據(jù)特征進(jìn)行壓縮和概括,經(jīng)過(guò)預(yù)處理后的咳嗽特征具有良好的抗噪性能。從數(shù)據(jù)樣本中劃分的訓(xùn)練集和測(cè)試集進(jìn)行實(shí)驗(yàn),測(cè)試樣本不包含訓(xùn)練樣本。

    利用所述NMF特征提取方法,對(duì)每幀咳嗽信號(hào)的特征參數(shù)進(jìn)行提取,特征參數(shù)的計(jì)算流程如圖3。

    圖3 NMF特征提取流程圖

    計(jì)算過(guò)程具體為以下步驟。

    步驟1:預(yù)處理后的咳嗽信號(hào)X(n)通過(guò)快速傅里葉變換得到頻域數(shù)據(jù)X(k)。

    步驟2:求取譜線(xiàn)能量E(k),計(jì)算方法為取模的平方。

    步驟3:對(duì)能量譜矩陣進(jìn)行NMF矩陣分解,得到非負(fù)基向量矩陣W和系數(shù)矩陣H。以系數(shù)矩陣H代替原始矩陣,形成所需要的12維特征參數(shù)。

    3.2.2 短時(shí)能量特征提取

    短時(shí)能量大小可以有效反映信號(hào)能量的變化規(guī)律且具有代表性?;诳人远虝盒?、突發(fā)性的特點(diǎn)[19],短時(shí)能量能夠描述音頻信號(hào)隨時(shí)間的變化情況。短時(shí)能量的計(jì)算公式為下式:

    (10)

    式(10)中,x(m)為輸入的咳嗽聲信號(hào),ω(n)為所選漢明窗。

    圖4為咳嗽信號(hào)與普通語(yǔ)音信號(hào)的短時(shí)能量對(duì)比圖。

    圖4 短時(shí)能量對(duì)比圖

    3.2.3 特征參數(shù)組合

    為了構(gòu)造更有效的咳嗽特征參數(shù),本文提出一種新的特征參數(shù)組合方式:將NMF算法分解的咳嗽特征與短時(shí)能量進(jìn)行參數(shù)組合作為模型輸入。兩者組合之后從不同的角度反映了咳嗽音與其他音頻信號(hào)的特征差異。另外,特征維數(shù)方面不會(huì)明顯增加,運(yùn)算復(fù)雜度大大降低。

    實(shí)驗(yàn)選取NMF特征參數(shù)12維,短時(shí)能量特征1維,前后組合連接成13維特征參數(shù)。最后將組合的特征參數(shù)作為非線(xiàn)性SVM模型的輸入進(jìn)行訓(xùn)練與識(shí)別。

    3.3 咳嗽分類(lèi)識(shí)別實(shí)驗(yàn)

    3.3.1 實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)以pycharm為開(kāi)發(fā)環(huán)境,在相同實(shí)驗(yàn)條件下,將本文實(shí)驗(yàn)結(jié)果分別與隱馬爾可夫、MLP模型識(shí)別結(jié)果進(jìn)行對(duì)比。其次,特征提取方面,將本文提出的NMF+E特征組合方式與最新文獻(xiàn)方法進(jìn)行比較實(shí)驗(yàn),以驗(yàn)證本文算法的優(yōu)越性。

    作為對(duì)比的隱馬爾可夫模型包括3個(gè)隱含狀態(tài),每個(gè)狀態(tài)包含3個(gè)高斯元,通過(guò)自左向右的HMM模型實(shí)現(xiàn)。采用K均值算法實(shí)現(xiàn)高斯混合模型參數(shù)初始化,咳嗽訓(xùn)練算法采用Baum-Welch,識(shí)別過(guò)程則使用Viterbi算法。

    多層感知機(jī)(MLP)則分別通過(guò)輸入層、隱藏層和輸出層進(jìn)行咳嗽識(shí)別。首先隨機(jī)初始化所有參數(shù),然后進(jìn)行迭代訓(xùn)練,計(jì)算梯度值并更新參數(shù),直到滿(mǎn)足某個(gè)條件為止(比如誤差足夠小、迭代次數(shù)足夠多)。

    3.3.2 實(shí)驗(yàn)結(jié)果分析

    運(yùn)用本文算法進(jìn)行咳嗽識(shí)別,分類(lèi)模型采取支持向量機(jī),選用適應(yīng)性強(qiáng)的徑向基核函數(shù),根據(jù)實(shí)驗(yàn)確定最優(yōu)參數(shù)。訓(xùn)練樣本選取150個(gè)咳嗽信號(hào)和150個(gè)非咳嗽信號(hào)訓(xùn)練最佳分類(lèi)模型,測(cè)試集選擇100個(gè)咳嗽信號(hào)和130個(gè)非咳嗽信號(hào)完成測(cè)試。實(shí)驗(yàn)結(jié)果如表2。其中,咳嗽識(shí)別準(zhǔn)確率=正確識(shí)別的咳嗽個(gè)數(shù)/咳嗽總數(shù)×100%,非咳嗽的識(shí)別準(zhǔn)確率=正確識(shí)別的非咳嗽個(gè)數(shù)/非咳嗽總數(shù)×100%。

    由表2可知,該分類(lèi)系統(tǒng)對(duì)于咳嗽聲的識(shí)別率達(dá)到93.75%,誤識(shí)別率僅為7.3%,獲得良好的分類(lèi)效果。本文算法能夠準(zhǔn)確地將咳嗽音從其它音頻信號(hào)中分離,反映了算法的可適用性。

    表2 識(shí)別結(jié)果

    以咳嗽識(shí)別準(zhǔn)確率作為指標(biāo),得到本文評(píng)估曲線(xiàn)如圖5。由評(píng)估曲線(xiàn)可以看出,采用SVM分類(lèi)的咳嗽識(shí)別準(zhǔn)確率和模型可擴(kuò)展性均表現(xiàn)出較好的效果。因此,SVM分類(lèi)器在小樣本數(shù)據(jù)集情況下的泛化能力較強(qiáng)[20],能夠有效提高系統(tǒng)的性能。

    圖5 SVM模型性能評(píng)估曲線(xiàn)

    為驗(yàn)證本文特征提取方法的有效性,將所述NMF+E特征提取算法分別與傳統(tǒng)MFCC、MFCC+E進(jìn)行對(duì)比實(shí)驗(yàn)。以特異性、靈敏度、準(zhǔn)確度作為評(píng)估指標(biāo),模型均采用非線(xiàn)性SVM,實(shí)驗(yàn)結(jié)果如圖6,其中,特異性=正確識(shí)別的非咳嗽聲個(gè)數(shù)/非咳嗽聲總數(shù)×100%,靈敏度=正確識(shí)別的咳嗽聲個(gè)數(shù)/咳嗽聲總數(shù)×100%。

    圖6 不同特征參數(shù)結(jié)果對(duì)比

    由圖6可以看出,四種特征提取方式中,采用本文特征提取算法的實(shí)驗(yàn)效果最佳,SVM模型各方面咳嗽識(shí)別性能最好,準(zhǔn)確度最高達(dá)93.75%。相比其他三種特征提取方式,本文咳嗽識(shí)別效果更顯著,而采用傳統(tǒng)MFCC識(shí)別效果最低,咳嗽識(shí)別準(zhǔn)確度僅為83%。由此,采用本文特征組合的方式更能增強(qiáng)特征提取的表達(dá)能力。

    為了選取咳嗽識(shí)別系統(tǒng)的最佳識(shí)別算法及其特征組合,我們將采集的咳嗽數(shù)據(jù)集用于特征選擇和模型評(píng)估。實(shí)驗(yàn)采用五折交叉驗(yàn)證的方法分別使用非線(xiàn)性SVM、隱馬爾可夫(HMM)、隨機(jī)森林(random forest, RF)和多層感知機(jī)(multi-Layer perceptron, MLP)四種模型進(jìn)行咳嗽識(shí)別實(shí)驗(yàn)。特征參數(shù)同樣選取不同的方法進(jìn)行,在測(cè)試集上對(duì)咳嗽識(shí)別性能進(jìn)行測(cè)試,得到如表3所示的評(píng)估結(jié)果對(duì)比。咳嗽識(shí)別算法分別選用本文方法、文獻(xiàn)[21]、文獻(xiàn)[22]和研究者常用的幾種參數(shù)結(jié)合方式,由表3可以看出,非線(xiàn)性SVM模型在特異性、靈敏度、準(zhǔn)確度方面都表現(xiàn)出明顯的優(yōu)勢(shì)。測(cè)試集下的咳嗽識(shí)別準(zhǔn)確度最高達(dá)到94.75%,錯(cuò)誤率僅為4.9%,相對(duì)于HMM、隨機(jī)森林、MLP等分類(lèi)模型咳嗽識(shí)別性能更為優(yōu)越,這表明SVM能使數(shù)據(jù)樣本可分性更強(qiáng)。

    表3 不同算法咳嗽識(shí)別結(jié)果

    將表3不同特征提取算法和模型的咳嗽識(shí)別結(jié)果進(jìn)行對(duì)比,可以發(fā)現(xiàn),采用本文NMF+E的特征參數(shù)組合方法和SVM模型識(shí)別效果最突出,準(zhǔn)確率達(dá)到93.4%。此外,采用MFCC+ZCR+E的特征組合方法識(shí)別效果較好,但特征維數(shù)較高,而本文識(shí)別算法實(shí)現(xiàn)了特征向量的降維運(yùn)算。綜上所述,本文咳嗽識(shí)別系統(tǒng)能夠?qū)人月曔M(jìn)行準(zhǔn)確計(jì)數(shù)和自動(dòng)識(shí)別,從而改善分類(lèi)器的各項(xiàng)性能。

    4 結(jié) 語(yǔ)

    為了提高咳嗽信號(hào)的識(shí)別率,本文提出了一種非負(fù)矩陣分解(NMF)和短時(shí)能量(E)特征參數(shù)結(jié)合的方法。該識(shí)別算法綜合考慮了咳嗽音的各方面特性,提取的咳嗽特征更加全面且具有代表性??紤]到咳嗽音識(shí)別過(guò)程中特征參數(shù)維數(shù)高的特點(diǎn),對(duì)初始特征矩陣進(jìn)行降維分解,從而減少系統(tǒng)開(kāi)銷(xiāo)。以特異度、準(zhǔn)確度和靈敏度作為衡量指標(biāo)判別其識(shí)別性能,由實(shí)驗(yàn)結(jié)果可知,采用NMF+E的特征提取算法和傳統(tǒng)方法相比效果得到進(jìn)一步提升,咳嗽識(shí)別準(zhǔn)確度由89.87%提高到93.75%。下一步的研究重點(diǎn)是進(jìn)一步擴(kuò)大咳嗽樣本,研究如何更好地消除數(shù)據(jù)中的噪聲干擾,進(jìn)一步提高特征魯棒性和模型分類(lèi)性能。

    猜你喜歡
    咳嗽聲特征參數(shù)特征提取
    爸爸的咳嗽聲
    爸爸的咳嗽聲
    故障診斷中信號(hào)特征參數(shù)擇取方法
    基于特征參數(shù)化的木工CAD/CAM系統(tǒng)
    爸爸的咳嗽聲
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    基于PSO-VMD的齒輪特征參數(shù)提取方法研究
    Bagging RCSP腦電特征提取算法
    不同意
    統(tǒng)計(jì)特征參數(shù)及多分類(lèi)SVM的局部放電類(lèi)型識(shí)別
    久久99热这里只有精品18| 欧美在线黄色| 伦理电影大哥的女人| 在线天堂最新版资源| 老熟妇乱子伦视频在线观看| 成人精品一区二区免费| 99精品在免费线老司机午夜| 中文字幕av在线有码专区| 黄色配什么色好看| 国产精品影院久久| 欧美日韩中文字幕国产精品一区二区三区| 亚洲人成伊人成综合网2020| netflix在线观看网站| 成人av一区二区三区在线看| 国产精品一及| 久久久久国内视频| 欧美国产日韩亚洲一区| 白带黄色成豆腐渣| 精品国产三级普通话版| 极品教师在线免费播放| www.999成人在线观看| 动漫黄色视频在线观看| 国内少妇人妻偷人精品xxx网站| 他把我摸到了高潮在线观看| 制服丝袜大香蕉在线| 日韩有码中文字幕| 国产 一区 欧美 日韩| 赤兔流量卡办理| 亚洲av五月六月丁香网| 每晚都被弄得嗷嗷叫到高潮| 国产av在哪里看| 亚洲av.av天堂| 国产黄a三级三级三级人| 久久久久久久久大av| 国产精品一及| 国产av在哪里看| 国产精品,欧美在线| 欧美日韩中文字幕国产精品一区二区三区| 一进一出好大好爽视频| 男女做爰动态图高潮gif福利片| 我要看日韩黄色一级片| 午夜精品久久久久久毛片777| 黄色丝袜av网址大全| 18+在线观看网站| 中文亚洲av片在线观看爽| 亚洲成人中文字幕在线播放| 欧美日韩中文字幕国产精品一区二区三区| 夜夜爽天天搞| 丰满乱子伦码专区| 极品教师在线免费播放| 男女视频在线观看网站免费| 午夜精品在线福利| 欧美日韩亚洲国产一区二区在线观看| 别揉我奶头 嗯啊视频| 精品久久久久久久人妻蜜臀av| 国产乱人伦免费视频| 午夜福利在线观看免费完整高清在 | 国产免费av片在线观看野外av| 亚洲国产欧洲综合997久久,| 久久人人精品亚洲av| 久久欧美精品欧美久久欧美| 国产一区二区在线观看日韩| www.色视频.com| 色综合亚洲欧美另类图片| 亚洲国产精品sss在线观看| 2021天堂中文幕一二区在线观| 国产精品一及| 美女高潮喷水抽搐中文字幕| 国产成人福利小说| 午夜福利免费观看在线| 国产黄色小视频在线观看| 天天躁日日操中文字幕| 久久99热这里只有精品18| 国产主播在线观看一区二区| 国产真实伦视频高清在线观看 | 少妇人妻一区二区三区视频| 一a级毛片在线观看| www.色视频.com| 国产一区二区在线av高清观看| 欧美性猛交╳xxx乱大交人| 国产高清有码在线观看视频| 69av精品久久久久久| 欧美成人一区二区免费高清观看| 给我免费播放毛片高清在线观看| 简卡轻食公司| 中出人妻视频一区二区| 又爽又黄a免费视频| 怎么达到女性高潮| 99久久99久久久精品蜜桃| 少妇熟女aⅴ在线视频| 夜夜看夜夜爽夜夜摸| 久久精品人妻少妇| 午夜a级毛片| 美女高潮喷水抽搐中文字幕| 黄色女人牲交| 亚洲av免费在线观看| 日本免费a在线| 高清毛片免费观看视频网站| 亚洲av电影不卡..在线观看| 麻豆一二三区av精品| 怎么达到女性高潮| 国产精品女同一区二区软件 | 亚洲自拍偷在线| 亚洲av美国av| 一区二区三区四区激情视频 | 国产精品电影一区二区三区| 女同久久另类99精品国产91| 国产精品av视频在线免费观看| 成人午夜高清在线视频| 亚洲人成伊人成综合网2020| 亚洲在线观看片| 99久久九九国产精品国产免费| 亚洲av成人不卡在线观看播放网| 久久婷婷人人爽人人干人人爱| 亚洲最大成人av| 禁无遮挡网站| 极品教师在线视频| 亚洲av中文字字幕乱码综合| 变态另类成人亚洲欧美熟女| 91字幕亚洲| 亚洲精品粉嫩美女一区| 亚洲最大成人手机在线| 日本三级黄在线观看| 精品久久久久久久人妻蜜臀av| 天天一区二区日本电影三级| 村上凉子中文字幕在线| 免费电影在线观看免费观看| 免费搜索国产男女视频| 婷婷丁香在线五月| 在线十欧美十亚洲十日本专区| 亚洲欧美日韩无卡精品| 精品免费久久久久久久清纯| 欧美成人免费av一区二区三区| 在线观看舔阴道视频| 亚洲专区中文字幕在线| 国产亚洲欧美在线一区二区| 一本一本综合久久| www.熟女人妻精品国产| 亚洲av二区三区四区| 亚洲精品日韩av片在线观看| 哪里可以看免费的av片| 色播亚洲综合网| 亚洲美女搞黄在线观看 | 免费搜索国产男女视频| 亚洲第一欧美日韩一区二区三区| 18+在线观看网站| 午夜福利在线观看免费完整高清在 | 悠悠久久av| 精华霜和精华液先用哪个| 国产精品精品国产色婷婷| 国产高清有码在线观看视频| 桃红色精品国产亚洲av| 免费在线观看亚洲国产| 最近最新中文字幕大全电影3| 欧美高清成人免费视频www| 悠悠久久av| 亚洲,欧美精品.| 欧美zozozo另类| 性欧美人与动物交配| 怎么达到女性高潮| 国产精品1区2区在线观看.| 嫩草影视91久久| 亚洲精品色激情综合| 18禁裸乳无遮挡免费网站照片| 国产麻豆成人av免费视频| 怎么达到女性高潮| 麻豆久久精品国产亚洲av| 亚洲18禁久久av| 午夜福利视频1000在线观看| 乱码一卡2卡4卡精品| 婷婷精品国产亚洲av| 午夜影院日韩av| 国产亚洲欧美在线一区二区| 久久久久国内视频| 亚洲人成网站在线播| 国产精品一区二区三区四区免费观看 | 搡老熟女国产l中国老女人| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲av免费高清在线观看| 日日夜夜操网爽| av国产免费在线观看| 亚洲最大成人手机在线| 国产毛片a区久久久久| 亚州av有码| 麻豆av噜噜一区二区三区| 国产精品98久久久久久宅男小说| 九九热线精品视视频播放| 老司机午夜十八禁免费视频| 夜夜看夜夜爽夜夜摸| 舔av片在线| 免费黄网站久久成人精品 | 两人在一起打扑克的视频| 变态另类成人亚洲欧美熟女| 欧美日韩乱码在线| 天堂av国产一区二区熟女人妻| 搡老岳熟女国产| 男插女下体视频免费在线播放| 在线国产一区二区在线| 亚洲18禁久久av| 免费看日本二区| 国产极品精品免费视频能看的| 国产精品精品国产色婷婷| 欧美另类亚洲清纯唯美| 12—13女人毛片做爰片一| 久久久久久久久久黄片| 偷拍熟女少妇极品色| 能在线免费观看的黄片| av女优亚洲男人天堂| 国产中年淑女户外野战色| 可以在线观看毛片的网站| 免费无遮挡裸体视频| 少妇人妻一区二区三区视频| 成年女人永久免费观看视频| 国产精华一区二区三区| 亚洲一区高清亚洲精品| 亚洲欧美日韩高清在线视频| 亚洲va日本ⅴa欧美va伊人久久| 精品人妻偷拍中文字幕| 国产成年人精品一区二区| 一区二区三区免费毛片| 欧美高清性xxxxhd video| 亚洲中文日韩欧美视频| 成年女人看的毛片在线观看| eeuss影院久久| 日本a在线网址| aaaaa片日本免费| 成人亚洲精品av一区二区| 欧美高清成人免费视频www| 日韩精品青青久久久久久| 最近最新免费中文字幕在线| 欧美+日韩+精品| 久久久久久久久久黄片| 日本在线视频免费播放| 亚洲精品成人久久久久久| 国产精品嫩草影院av在线观看 | 国产精品亚洲美女久久久| 精品乱码久久久久久99久播| 亚洲av电影不卡..在线观看| 亚洲成人精品中文字幕电影| 熟女人妻精品中文字幕| 全区人妻精品视频| 91久久精品国产一区二区成人| 国内精品久久久久精免费| 国产一区二区在线观看日韩| 欧美3d第一页| 人人妻,人人澡人人爽秒播| 欧美成人一区二区免费高清观看| 日韩精品中文字幕看吧| 一个人免费在线观看电影| 亚洲欧美日韩高清在线视频| 国产不卡一卡二| 可以在线观看的亚洲视频| 一个人看的www免费观看视频| 成人特级av手机在线观看| 高清在线国产一区| 男女下面进入的视频免费午夜| 美女 人体艺术 gogo| 在线观看免费视频日本深夜| 69av精品久久久久久| 国产精品人妻久久久久久| 色吧在线观看| 久久久久精品国产欧美久久久| 亚洲成人精品中文字幕电影| 在线看三级毛片| 色哟哟哟哟哟哟| 亚洲精华国产精华精| 中文资源天堂在线| 成年女人永久免费观看视频| 亚洲在线观看片| 搡女人真爽免费视频火全软件 | 免费看美女性在线毛片视频| 麻豆一二三区av精品| 丰满人妻一区二区三区视频av| 精品午夜福利视频在线观看一区| 日韩成人在线观看一区二区三区| 很黄的视频免费| 日本黄色视频三级网站网址| 在线观看午夜福利视频| 波野结衣二区三区在线| 欧美成人性av电影在线观看| 亚洲精品乱码久久久v下载方式| 亚洲欧美日韩高清在线视频| 99国产综合亚洲精品| 在现免费观看毛片| 国产欧美日韩精品一区二区| 亚洲一区二区三区色噜噜| 国产免费av片在线观看野外av| 国产成人av教育| 国产午夜精品论理片| 国产私拍福利视频在线观看| 欧美成狂野欧美在线观看| 九色国产91popny在线| 亚洲乱码一区二区免费版| 毛片一级片免费看久久久久 | 日本 欧美在线| 国产成人a区在线观看| 999久久久精品免费观看国产| 精品久久国产蜜桃| 国内精品久久久久久久电影| 小蜜桃在线观看免费完整版高清| 精品久久久久久,| 亚洲欧美日韩卡通动漫| 国产精品久久电影中文字幕| 免费av不卡在线播放| 精品午夜福利在线看| 国产精品美女特级片免费视频播放器| 欧美乱色亚洲激情| 日本 av在线| 国产精华一区二区三区| 亚洲av中文字字幕乱码综合| 久久国产乱子免费精品| 日本 欧美在线| 可以在线观看毛片的网站| 精华霜和精华液先用哪个| 国产亚洲精品久久久com| 亚洲中文日韩欧美视频| 搡老岳熟女国产| xxxwww97欧美| 午夜影院日韩av| 美女 人体艺术 gogo| 每晚都被弄得嗷嗷叫到高潮| 成人av在线播放网站| 999久久久精品免费观看国产| 好男人在线观看高清免费视频| 欧美+日韩+精品| 琪琪午夜伦伦电影理论片6080| 国产高清三级在线| 日本精品一区二区三区蜜桃| 中文字幕久久专区| 国产黄a三级三级三级人| 淫妇啪啪啪对白视频| 我的女老师完整版在线观看| av黄色大香蕉| 一进一出好大好爽视频| 久久人妻av系列| 欧美午夜高清在线| 国产成人啪精品午夜网站| 人人妻,人人澡人人爽秒播| 国产美女午夜福利| 波多野结衣高清无吗| 一进一出抽搐动态| 亚洲专区中文字幕在线| 午夜激情福利司机影院| av在线观看视频网站免费| 99热6这里只有精品| 成人av一区二区三区在线看| 18禁黄网站禁片午夜丰满| 91久久精品电影网| 国产成人av教育| 久久久久久九九精品二区国产| 欧美色视频一区免费| 日韩中文字幕欧美一区二区| 国产精华一区二区三区| 两个人的视频大全免费| 日韩 亚洲 欧美在线| 日本黄色视频三级网站网址| 久久久色成人| 12—13女人毛片做爰片一| 麻豆国产av国片精品| 精品国产亚洲在线| 亚洲国产色片| 欧美一区二区精品小视频在线| 亚洲人成电影免费在线| 午夜福利在线在线| 成年免费大片在线观看| www日本黄色视频网| 欧美成人免费av一区二区三区| 亚洲成人中文字幕在线播放| 免费黄网站久久成人精品 | 国产综合懂色| 久久久久久久久久黄片| 国产精品电影一区二区三区| 久久久久久大精品| 国产伦一二天堂av在线观看| 嫩草影院新地址| 欧美精品啪啪一区二区三区| 亚洲精华国产精华精| 在线a可以看的网站| 亚洲五月天丁香| 精品福利观看| 久久久久国内视频| 三级国产精品欧美在线观看| 51国产日韩欧美| 国产精品影院久久| 最新在线观看一区二区三区| 成人三级黄色视频| 校园春色视频在线观看| 久久精品国产清高在天天线| 日本一本二区三区精品| 亚洲国产欧美人成| 好看av亚洲va欧美ⅴa在| 少妇裸体淫交视频免费看高清| 国产午夜精品论理片| 一夜夜www| 黄色一级大片看看| 18禁裸乳无遮挡免费网站照片| 久久精品91蜜桃| 午夜福利视频1000在线观看| 久久久久久九九精品二区国产| bbb黄色大片| 嫩草影视91久久| 桃色一区二区三区在线观看| 亚洲成人中文字幕在线播放| 亚洲第一电影网av| 欧美黄色片欧美黄色片| 国产精品电影一区二区三区| 亚洲性夜色夜夜综合| 老司机深夜福利视频在线观看| 69人妻影院| 国产乱人伦免费视频| 国模一区二区三区四区视频| 我的老师免费观看完整版| 18禁黄网站禁片午夜丰满| 人人妻,人人澡人人爽秒播| 欧美3d第一页| 九九久久精品国产亚洲av麻豆| 国产综合懂色| 国产亚洲欧美在线一区二区| 国产精品99久久久久久久久| 最近最新免费中文字幕在线| 麻豆久久精品国产亚洲av| 一进一出抽搐动态| 91av网一区二区| 亚洲精品乱码久久久v下载方式| 91麻豆精品激情在线观看国产| 亚洲在线观看片| 国产精品日韩av在线免费观看| 在线观看舔阴道视频| 91在线精品国自产拍蜜月| 99久久九九国产精品国产免费| 日韩欧美精品免费久久 | 97超级碰碰碰精品色视频在线观看| 欧美日本亚洲视频在线播放| 日韩欧美在线二视频| 他把我摸到了高潮在线观看| 欧美潮喷喷水| 黄色视频,在线免费观看| 人妻制服诱惑在线中文字幕| 97热精品久久久久久| 三级国产精品欧美在线观看| 99热这里只有是精品在线观看 | 丰满的人妻完整版| 精品久久久久久久久久免费视频| 亚洲国产欧美人成| 日本熟妇午夜| 欧美成人一区二区免费高清观看| 成人毛片a级毛片在线播放| 国产成人av教育| 久久国产乱子免费精品| 级片在线观看| 国产成人福利小说| 日韩国内少妇激情av| 欧美黑人巨大hd| 精品一区二区三区视频在线观看免费| 一级黄片播放器| 3wmmmm亚洲av在线观看| 日本一本二区三区精品| 嫩草影院精品99| 日本熟妇午夜| 禁无遮挡网站| 精品人妻1区二区| 国产v大片淫在线免费观看| 国产精品久久久久久精品电影| 人妻丰满熟妇av一区二区三区| 亚洲av日韩精品久久久久久密| 国产精品亚洲美女久久久| 亚洲五月天丁香| 麻豆久久精品国产亚洲av| 亚洲成a人片在线一区二区| www日本黄色视频网| 老女人水多毛片| 丰满乱子伦码专区| 成人国产综合亚洲| 真人一进一出gif抽搐免费| 国产三级中文精品| 校园春色视频在线观看| 十八禁网站免费在线| 国产熟女xx| 日本 欧美在线| 亚洲成人久久性| 久久99热6这里只有精品| 婷婷六月久久综合丁香| 可以在线观看毛片的网站| 性色av乱码一区二区三区2| 欧美区成人在线视频| bbb黄色大片| 午夜福利欧美成人| 亚洲三级黄色毛片| 偷拍熟女少妇极品色| 变态另类成人亚洲欧美熟女| 狂野欧美白嫩少妇大欣赏| 亚洲国产精品999在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲最大成人手机在线| av中文乱码字幕在线| 午夜福利成人在线免费观看| 国产欧美日韩精品亚洲av| 91九色精品人成在线观看| 久久午夜福利片| 久久热精品热| 99热这里只有精品一区| 有码 亚洲区| 黄色配什么色好看| 国产欧美日韩一区二区精品| 搡老岳熟女国产| 国产在线精品亚洲第一网站| 我要搜黄色片| 成年女人看的毛片在线观看| 国产精品亚洲av一区麻豆| 色吧在线观看| 91狼人影院| 最后的刺客免费高清国语| 久久欧美精品欧美久久欧美| 亚洲第一电影网av| 淫秽高清视频在线观看| 一级黄色大片毛片| 国内精品久久久久久久电影| 免费av毛片视频| 免费一级毛片在线播放高清视频| 国产高清有码在线观看视频| 两个人的视频大全免费| 成人亚洲精品av一区二区| 天堂√8在线中文| 伊人久久精品亚洲午夜| 欧美色视频一区免费| 日本黄色片子视频| 久久精品国产清高在天天线| 在线观看舔阴道视频| 日韩高清综合在线| 国产精品久久久久久亚洲av鲁大| 99久久成人亚洲精品观看| or卡值多少钱| 熟女电影av网| 女人被狂操c到高潮| 国产精品一及| 欧美+日韩+精品| 久久九九热精品免费| 深夜a级毛片| 午夜精品一区二区三区免费看| 嫩草影院新地址| 日本成人三级电影网站| 99热这里只有是精品在线观看 | 国产亚洲精品av在线| 在线观看午夜福利视频| 国产野战对白在线观看| 国产 一区 欧美 日韩| 超碰av人人做人人爽久久| 亚洲第一区二区三区不卡| 又爽又黄无遮挡网站| 亚州av有码| 国产精品乱码一区二三区的特点| 久久久色成人| 久久精品久久久久久噜噜老黄 | 最好的美女福利视频网| 日韩欧美国产在线观看| 超碰av人人做人人爽久久| 午夜福利在线观看免费完整高清在 | 亚洲最大成人中文| 成人性生交大片免费视频hd| 男人舔女人下体高潮全视频| 中文字幕av在线有码专区| 午夜老司机福利剧场| 精品人妻1区二区| 老女人水多毛片| 一夜夜www| 欧美一区二区精品小视频在线| 亚洲精品乱码久久久v下载方式| a级毛片a级免费在线| 三级男女做爰猛烈吃奶摸视频| 国产日本99.免费观看| 88av欧美| 国产毛片a区久久久久| 精品熟女少妇八av免费久了| 国内揄拍国产精品人妻在线| 99久久99久久久精品蜜桃| 亚洲五月婷婷丁香| 日韩成人在线观看一区二区三区| 欧美最黄视频在线播放免费| 91久久精品国产一区二区成人| 日韩精品青青久久久久久| 国产 一区 欧美 日韩| а√天堂www在线а√下载| 亚洲成人久久性| 国产精品永久免费网站| 我要搜黄色片| ponron亚洲| 级片在线观看| 最近中文字幕高清免费大全6 | av国产免费在线观看| 国产激情偷乱视频一区二区| 性色avwww在线观看| 无遮挡黄片免费观看| 99精品在免费线老司机午夜| 欧美xxxx黑人xx丫x性爽| 亚洲真实伦在线观看| 日韩大尺度精品在线看网址| 性插视频无遮挡在线免费观看| 欧美日本亚洲视频在线播放| 亚洲在线观看片| 天天躁日日操中文字幕| 亚洲成人精品中文字幕电影| 国产欧美日韩精品一区二区| 国产成人影院久久av| www日本黄色视频网| 日韩欧美在线乱码| 成年人黄色毛片网站| 热99在线观看视频| 亚洲成av人片在线播放无| 亚洲欧美日韩高清专用| 日本 av在线| 欧美+日韩+精品| 日韩 亚洲 欧美在线| 亚洲av美国av| 亚洲av二区三区四区| 一级av片app|