[发明专利]基于语音特征与机器学习的抑郁症自动评估系统和方法

权利要求书

1.一种基于语音特征与机器学习的抑郁症自动评估系统，其特征在于，包括

(a)语音采集录音模块，用于对被试者施以不同的情绪语料刺激的同时，记录被试者的语音信息；所述语音采集分为“语音问答”、“文本朗读”、“图片描述”三个模块，分别包含正向、中性、负向三种情绪的问题、文本和图片；

(b)语音特征计算模块，用于对采集的语音信号进行预处理后，计算语音的声学特征；所述语音特征计算模块包含预处理模块，所述预处理模块包括依次连接的预加重、降噪、滤波模块，对采集的语音信号依次进行预加重、降噪和滤波处理；所述预加重模块采用k值为0.97的预加重滤波器，所述滤波模块采用通带频率为60～4500Hz的滤波器；所述语音的声学特征包括局部特征与统计学特征，计算局部特征时，将语音切分为帧，对单个语音帧进行计算；统计学特征是在多个语音帧之间进行计算；

(c)语音数据库模块，包含用于语音特征有效性分析、分类器训练优化、系统分类率的相关数据；所述语音数据库模块运行在本系统的计算机上，用Microsoft SQL Server实现；包含的数据为：语音文件的语音特征、人工诊断标签、分类器分类标签，该数据库只保存经过医生诊断的被试数据；

(d)机器学习模块，用语音数据库的数据进行语音特征与抑郁症的相关性分析，以确定有效特征的提取方式，并训练用于自动评估的分类器；所述机器学习模块包括分类器，使用的分类器模型为支持向量机；支持向量机使用LIB支持向量机来实现，选取的核函数为Radial Basis Function；

所述确定的有效特征提取方式是指：第一步，先采用最小冗余最大相关的方式，去掉明显不相关的特征，从语音数据库中保存的语音特征中初步筛选出一个特征子集，作为待选特征集；第二步，在待选特征集中，排除一个特征后，用特征子集去训练分类器，计算出该特征子集的分类率，若分类率明显降低，则说明该特征有效，应作为有效特征；若分类率不改变或升高，说明该特征为无效特征；多次重复第二步操作，对待选特征集进行至少一次的遍历之后，保留下来的特征，即构成有效特征集；

(e)自动评估模块，提取被试者有效语音特征并进行抑郁程度分类，实现依据输入的语音样本自动评估被试者的抑郁程度；具体包括：第一步，将没有人工诊断结果的被试语音样本，按照机器学习模块确定的有效特征提取方式，计算出有效特征；第二步，将有效特征输入由机器学习模块训练好的分类器，由分类器进行抑郁程度的分类；

所述基于语音特征与机器学习的抑郁症自动评估系统的工作步骤为：

1)语音信息采集录音获取语音样本：通过对被试者施以不同的情绪语料刺激的同时，使用录音设备记录被试者的语音信息；

2)语音特征计算获取语音特征集：语音样本通过预处理后，计算语音的声学特征；将经过医生诊断的语音声学特征，包含诊断结果一起存入语音数据库；没有经过医生诊断的被试语音样本则进入步骤4)；

3)依据存入语音数据库的语音声学特征进行机器学习，确定语音有效特征提取方式，训练用于自动评估的分类器；

4)提取有效特征并进行分类得出评估结论：提取出被试语音样本在评估抑郁症过程中最有效的语音特征，即有效特征；并通过训练好的分类器对提取的有效特征进行分类，实现依据输入的语音样本自动评估被试者的抑郁程度；

其中，所述步骤1)中，包括以下步骤：首先测量现场噪音，排除噪声源，在噪声符合要求之后，开始语音采集；语音采集过程中分别施以不同的情绪语料刺激，包括“语音问答”、“文本朗读”、“图片描述”三个不同的实验情境；

所述步骤2)中，包括语音声学特征计算的步骤：第一步，将语音切分为帧，在单个语音帧中计算出局部声学特征；第二步，在多个语音帧之间，计算出统计学特征；第三步，若是已经过医生诊断的被试，将该被试的所有语音特征和人工诊断结果存入语音数据库；所述的特征提取算法包括但不限于：共振峰计算、有声段检测、MFCC、TEO、HNR、SNR、PPQ、APQ；

所述步骤3)中，包括特征有效性分析与分类器训练的步骤：第一步，使用语音样本库中的已有人工诊断结论的数据，先采用最小冗余最大相关的方式，去掉明显不相关的特征，从语音声学特征计算出的特征集中初步筛选出一个特征的子集，作为待选特征集；第二步，在待选特征集中，排除一个特征后，用剩余特征训练分类器，若分类率明显降低，则说明该特征有效，并重复第二步；多次循环，对待选特征集进行至少一次的遍历之后，保留下来的特征，即构成有效特征集；有效特征集包含的特征即为有效特征；通过所述步骤最终训练出的分类器，即为用于自动评估时使用的分类器；

所述步骤4)中，包括自动诊断的步骤：第一步，将没有人工诊断结果的被试语音样本，按照步骤3)确定的有效特征提取方式，计算出有效特征；第二步，将有效特征输入由步骤3)训练好的分类器，由分类器进行抑郁程度的分类；所述分类是指以两种标签：正常、抑郁进行分类。

2.根据权利要求1所述的系统，其特征在于，所述语音采集录音模块包括采集设备、录音设备，采集设备有电脑控制端、噪声计、监听耳机、音箱、麦克风、声卡、防喷罩、话筒支架；所述监听耳机、音箱、麦克风、声卡均连接至电脑；录音设备采用NEUMANN TLM102麦克 风和采样率为44.1kHz、数据长度为24位的RME FIREFACE UCX声卡；采集的录音数据以.WAV格式保存。