本公開涉及聲音處理，尤其涉及一種嗓音識別方法、裝置、存儲介質(zhì)、程序產(chǎn)品。

背景技術(shù)：

1、聲音嘶啞是一種常見癥狀，包括急性喉炎、慢性喉炎、各種類型的聲帶異常、聲帶息肉和囊腫等良性聲帶疾病，以及聲門喉癌等惡性聲帶疾病，也可統(tǒng)稱為嗓音障礙，嚴(yán)重影響患者的生活質(zhì)量，語音功能評估在這些疾病的診斷和治療中起著關(guān)鍵作用。

2、傳統(tǒng)的嗓音質(zhì)量評估主要依賴于平均基頻、基頻微擾和振幅微擾等參數(shù)，而現(xiàn)代技術(shù)如mfcc在語音識別和音頻分析等領(lǐng)域已被廣泛應(yīng)用。盡管如此，現(xiàn)有研究在構(gòu)建語音疾病預(yù)測模型時，往往忽略了對mfcc特征的深入解釋和量化，導(dǎo)致臨床醫(yī)生難以完全信任這些模型的結(jié)果。此外，現(xiàn)有的嗓音評估方法未能充分利用mfcc的潛力，缺乏可量化的mfcc指標(biāo)，限制了其在臨床應(yīng)用中的有效性。

技術(shù)實現(xiàn)思路

1、有鑒于此，本公開實施例提供了一種嗓音識別方法、裝置、存儲介質(zhì)、程序產(chǎn)品，能夠通過量化mfcc指標(biāo)，探索并篩選出新的用于嗓音識別的指標(biāo)，并基于新的指標(biāo)實現(xiàn)精準(zhǔn)的嗓音識別，有助于臨床醫(yī)師更好的對嗓音功能進(jìn)行評估。

2、第一方面，本公開實施例提供了一種嗓音識別方法，采用如下技術(shù)方案：

3、采集多名測試人員的語音信號，其中所述多名測試人員包括嗓音正常人員和聲音嘶啞患者；

4、對所述語音信號進(jìn)行特征提取，獲取mfcc特征矩陣；

5、基于所述mfcc特征矩陣和預(yù)設(shè)的新型指標(biāo)庫，獲取每個測試人員的mfcc參數(shù)集，其中所述新型指標(biāo)庫包含多個新型指標(biāo)；

6、將所有嗓音正常人員的mfcc參數(shù)集與所有聲音嘶啞患者的mfcc參數(shù)集進(jìn)行特征對比，獲取每個新型指標(biāo)的顯著性概率；

7、將所述顯著性概率小于預(yù)設(shè)概率閾值的新型指標(biāo)判定為可用指標(biāo)，對所述可用指標(biāo)進(jìn)行驗證；

8、驗證通過后，基于所述可用指標(biāo)構(gòu)建聲音識別模型；

9、采用所述聲音識別模型識別用戶的嗓音狀態(tài)。

10、可選地，所述將所有嗓音正常人員的mfcc參數(shù)集與所有聲音嘶啞患者的mfcc參數(shù)集進(jìn)行特征對比，獲取每個新型指標(biāo)的顯著性概率，包括：

11、將所有嗓音正常人員的mfcc參數(shù)集構(gòu)建為第一樣本集；

12、將所有聲音嘶啞患者的mfcc參數(shù)集構(gòu)建為第二樣本集；

13、基于所述第一樣本集和所述第二樣本集，獲取每個新型指標(biāo)的分布統(tǒng)計量和自由度；

14、基于所述分布統(tǒng)計量和所述自由度，得到每個新型指標(biāo)的顯著性概率；

15、其中，所述分布統(tǒng)計量的計算公式如下：

16、

17、其中，ti為第i個新型指標(biāo)的分布統(tǒng)計量；為第一樣本集中第i個新型指標(biāo)的mfcc參數(shù)均值；為第二樣本集中第i個新型指標(biāo)的mfcc參數(shù)均值；為第i個新型指標(biāo)的合并方差，；n1為第一樣本集中第i個新型指標(biāo)的mfcc參數(shù)總數(shù)量；n2為第二樣本集中第i個新型指標(biāo)的mfcc參數(shù)總數(shù)量；為第一樣本集中第i個新型指標(biāo)的mfcc參數(shù)方差；為第二樣本集中第i個新型指標(biāo)的mfcc參數(shù)方差；

18、所述自由度的計算公式如下：

19、

20、其中，為第i個新型指標(biāo)的自由度。

21、可選地，所述對所述可用指標(biāo)進(jìn)行驗證，包括：

22、構(gòu)建傳統(tǒng)指標(biāo)庫，所述傳統(tǒng)指標(biāo)庫包含若干個傳統(tǒng)指標(biāo)；

23、對所述傳統(tǒng)指標(biāo)庫中的傳統(tǒng)指標(biāo)進(jìn)行篩選，將無效指標(biāo)刪除，保留有效指標(biāo)；

24、采用多種機器學(xué)習(xí)算法，基于所述有效指標(biāo)和所述可用指標(biāo)構(gòu)建多個機器學(xué)習(xí)模型；

25、對多個機器學(xué)習(xí)模型進(jìn)行評估，得到每個機器學(xué)習(xí)模型的第一性能參數(shù)；

26、基于所述第一性能參數(shù)，選擇出性能最佳的機器學(xué)習(xí)模型使用的機器學(xué)習(xí)算法為可用算法；

27、采用所述可用算法，基于所述可用指標(biāo)構(gòu)建驗證模型；

28、對所述驗證模型進(jìn)行評估，得到驗證模型的第二性能參數(shù)；

29、基于性能最佳的機器學(xué)習(xí)模型的第一性能參數(shù)與所述第二性能參數(shù)，確定所述可用指標(biāo)是否驗證通過。

30、可選地，所述對所述可用指標(biāo)進(jìn)行驗證，包括：

31、構(gòu)建傳統(tǒng)指標(biāo)庫，所述傳統(tǒng)指標(biāo)庫包含若干個傳統(tǒng)指標(biāo)；

32、對所述傳統(tǒng)指標(biāo)庫中的傳統(tǒng)指標(biāo)進(jìn)行篩選，將無效指標(biāo)刪除，保留有效指標(biāo)；

33、采用多種機器學(xué)習(xí)算法，基于所述有效指標(biāo)和所述可用指標(biāo)構(gòu)建多個機器學(xué)習(xí)模型；

34、對多個機器學(xué)習(xí)模型進(jìn)行評估，得到每個機器學(xué)習(xí)模型的第一性能參數(shù)；

35、基于所述第一性能參數(shù)，選擇出性能最佳的機器學(xué)習(xí)模型為可用模型；

36、對所述可用模型采用的有效指標(biāo)和可用指標(biāo)進(jìn)行重要性排名；

37、基于排名結(jié)果確定所述可用指標(biāo)是否驗證通過。

38、可選地，所述基于所述可用指標(biāo)構(gòu)建聲音識別模型，包括：

39、基于所述排名結(jié)果將多個可用指標(biāo)劃分為必要指標(biāo)集和待定指標(biāo)集；

40、基于必要指標(biāo)集和待定指標(biāo)集構(gòu)建多個不同的指標(biāo)組合集；

41、基于多種機器學(xué)習(xí)算法和多個不同的指標(biāo)組合集，構(gòu)建多個候選模型；

42、判斷所述候選模型是否過度擬合或者欠擬合；

43、若是，則排除所述候選模型；

44、若否，則獲取所述候選模型的多個性能評估參數(shù)；

45、基于所述性能評估參數(shù)、預(yù)設(shè)的目標(biāo)函數(shù)和約束條件，選擇最優(yōu)的候選模型為所述聲音識別模型。

46、可選地，所述目標(biāo)函數(shù)的計算公式如下：

47、

48、其中，s為候選模型采用的機器學(xué)習(xí)算法的順序號；v為選模型采用的指標(biāo)組合集的順序號；usv為采用第s種機器學(xué)習(xí)算法和第v個指標(biāo)組合集構(gòu)建的候選模型的綜合性能評分；wac、wse、wsp、wauc、wbu、wcpu、wcu為預(yù)設(shè)的權(quán)重；acsv為候選模型的準(zhǔn)確率；sesv為候選模型的靈敏度；spsv為候選模型的特異度；aucsv為候選模型的roc曲線下面積；busv為候選模型的寬帶占用；cpusv為候選模型的cpu占用；cusv為候選模型的計算占用；

49、預(yù)設(shè)的約束條件包括寬帶占用約束條件、cpu占用約束條件、計算占用約束條件；

50、所述寬帶占用約束條件的表達(dá)式如下：

51、

52、其中，maxbu為最大寬帶占用；

53、所述cpu占用約束條件的表達(dá)式如下：

54、

55、其中，maxcpu為最大cpu占用；

56、所述計算占用約束條件的表達(dá)式如下：

57、

58、其中，maxcu為最大計算占用。

59、可選地，所述新型指標(biāo)庫包含均值、方差、標(biāo)準(zhǔn)差、第25百分位、第75百分位、最小值、最大值、中位數(shù)、偏度、峰度中的至少一項新型指標(biāo)。

60、第二方面，本公開實施例還提供了一種嗓音識別系統(tǒng)，采用如下技術(shù)方案：

61、語音采集模塊，用于采集多名測試人員的語音信號，其中所述多名測試人員包括嗓音正常人員和聲音嘶啞患者；

62、特征提取模塊，用于對所述語音信號進(jìn)行特征提取，獲取mfcc特征矩陣；

63、參數(shù)獲取模塊，用于基于所述mfcc特征矩陣和預(yù)設(shè)的新型指標(biāo)庫，獲取每個測試人員的mfcc參數(shù)集，其中所述新型指標(biāo)庫包含多個新型指標(biāo)；

64、特征對比模塊，用于將所有嗓音正常人員的mfcc參數(shù)集與所有聲音嘶啞患者的mfcc參數(shù)集進(jìn)行特征對比，獲取每個新型指標(biāo)的顯著性概率；

65、指標(biāo)驗證模塊，用于將所述顯著性概率小于預(yù)設(shè)概率閾值的新型指標(biāo)判定為可用指標(biāo)，對所述可用指標(biāo)進(jìn)行驗證；

66、模型構(gòu)建模塊，用于驗證通過后，基于所述可用指標(biāo)構(gòu)建聲音識別模型；

67、嗓音識別模塊，用于采用所述聲音識別模型識別用戶的嗓音狀態(tài)。

68、第三方面，本公開實施例還提供了一種計算機裝置，采用如下技術(shù)方案：

69、所述計算機裝置包括：

70、至少一個處理器；以及，

71、與所述至少一個處理器通信連接的存儲器；其中，

72、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行以上任一所述的嗓音識別方法。

73、第四方面，本公開實施例還提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)存儲計算機指令，該計算機指令用于使計算機執(zhí)行以上任一所述的嗓音識別方法。

74、第五方面，本公開實施例還提供了一種計算機程序產(chǎn)品，包括計算機程序/指令，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)以上任一項所述方法的步驟。

75、本公開實施例提供的嗓音識別方法，通過采集嗓音正常人員和聲音嘶啞患者的語音信號，并提取mfcc特征矩陣，為后續(xù)量化多個新型指標(biāo)提供數(shù)據(jù)支持，這種方法利用了mfcc在語音識別和音頻分析領(lǐng)域的廣泛應(yīng)用，使其能夠高效捕捉語音信號的頻率特征，為后續(xù)的量化和分析提供了堅實的基礎(chǔ)。在獲得mfcc特征矩陣的基礎(chǔ)上，進(jìn)一步將多個新型指標(biāo)與之結(jié)合，生成量化結(jié)果，即mfcc參數(shù)集，這種方法不僅充分利用了mfcc在頻譜分析中的優(yōu)勢，還通過引入新的指標(biāo)，增加了特征的多樣性和區(qū)分度。通過將嗓音正常人員和聲音嘶啞患者的mfcc參數(shù)集進(jìn)行特征對比，獲取每個新型指標(biāo)的顯著性概率，有助于識別出對嗓音障礙診斷具有重要意義的指標(biāo)。進(jìn)一步將顯著性概率小于預(yù)設(shè)概率閾值的新型指標(biāo)判定為可用指標(biāo)，并進(jìn)行嚴(yán)格的驗證，這一步驟不僅確保了所選指標(biāo)的穩(wěn)定性和可靠性，還極大地提高了嗓音評估的可解釋性，通過驗證的可用指標(biāo)，使臨床醫(yī)生能夠更容易理解和信任評估結(jié)果。驗證通過后，基于可用指標(biāo)構(gòu)建聲音識別模型，這種模型可以用于識別用戶的嗓音狀態(tài)，提供了一種自動化和標(biāo)準(zhǔn)化的嗓音評估工具。

76、上述說明僅是本公開技術(shù)方案的概述，為了能更清楚了解本公開的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為讓本公開的上述和其他目的、特征和優(yōu)點能夠更明顯易懂，以下特舉較佳實施例，并配合附圖，詳細(xì)說明如下。