[发明专利]咳嗽类型识别方法、装置及系统

权利要求书

1.一种咳嗽类型识别方法，其特征在于，包括：

获取用户咳嗽时采集到的第一信号和第二信号；所述第一信号为通过接触式方式采集用户咳嗽时产生的其他不为声音的信号所得到的信号，所述第二信号为采集用户咳嗽时产生的声音得到的音频信号；

根据所述第一信号和所述第二信号得到第三信号；

根据所述第三信号提取第一信号特征；

根据所述第一信号特征确定所述用户咳嗽的咳嗽类型。

2.如权利要求1所述的方法，其特征在于，所述第一信号、所述第二信号均包括多个信号帧，每个信号帧各自对应不同采集时段；

所述根据所述第一信号和所述第二信号得到第三信号，包括：

如果第一信号帧的能量大于或等于预设能量阈值，确定所述第三信号中的第二信号帧为所述第一信号帧；所述第二信号帧与所述第一信号帧对应同一采集时段，所述第一信号帧为所述第一信号中的任一信号帧；

如果所述第一信号帧的能量小于所述预设能量阈值，确定所述第二信号帧为所述第二信号中的第三信号帧；所述第三信号帧与所述第一信号帧对应同一采集时段。

3.如权利要求1所述的方法，其特征在于，所述第一信号特征包括所述第三信号的短时能量谱的平均短时能量、第一斜率、第二斜率，以及一个或多个梅尔倒谱系数特征向量；所述第三信号的第一斜率为所述第三信号中信号起点对应的信号帧在所述第三信号的短时能量谱中的斜率，所述第三信号的第二斜率为所述第三信号中信号终点对应的信号帧在所述第三信号的短时能量谱中的斜率。

4.如权利要求3所述的方法，其特征在于，所述根据所述第一信号特征确定所述用户咳嗽的咳嗽类型，包括：

将所述第一信号特征输入第一模型，得到所述第一模型的输出结果；其中，所述输出结果用于表征所述用户咳嗽的咳嗽类型，所述第一模型为预先训练得到的基于支持向量数据描述算法的咳嗽类型识别模型。

5.根据权利要求4所述的方法，其特征在于，所述第一模型包括多个咳嗽模板，一个咳嗽模板对应一种咳嗽类型，每个所述咳嗽模板对应一个平均短时能量子模型、一个起点斜率子模型、一个终点斜率子模型以及一个向量子模型；所述平均短时能量子模型的中心为第一中心，所述平均短时能量子模型的半径为第一半径；所述起点斜率子模型的中心为第二中心，所述起点斜率子模型的半径为第二半径；所述终点斜率子模型的中心为第三中心，所述终点斜率子模型的半径为第三半径；所述向量子模型的中心为第四中心，所述向量子模型的半径为第四半径；

所述将所述第一信号特征输入第一模型，得到所述第一模型的输出结果，包括：

计算所述第三信号的平均短时能量对应的坐标点与各咳嗽模板对应的第一中心对应的坐标点之间的距离，以确定所述各咳嗽模板对应的第一距离；

计算所述第三信号的第一斜率对应的坐标点与所述各咳嗽模板对应的第二中心对应的坐标点之间的距离，以确定所述各咳嗽模板对应的第二距离；

计算所述第三信号的第二斜率对应的坐标点与所述各咳嗽模板对应的第三中心对应的坐标点之间的距离，以确定所述各咳嗽模板对应的第三距离；

计算所述第三信号的一个或多个梅尔倒谱系数特征向量各自对应的坐标点与所述各咳嗽模板对应的第四中心对应的坐标点之间的一个或多个距离，以确定所述各咳嗽模板对应的一个或多个第四距离；

在目标咳嗽模板对应的第一距离小于所述目标咳嗽模板对应的第一半径、所述目标咳嗽模板对应的第二距离小于所述目标咳嗽模板对应的第二半径、所述目标咳嗽模板对应的第三距离小于所述目标咳嗽模板对应的第三半径，以及所述目标咳嗽模板对应的一个或多个第四距离均小于所述目标咳嗽模板对应的第四半径的情况下，确定所述目标咳嗽模板对应的咳嗽类型为所述第一模型的输出结果；所述目标咳嗽模板为所述多个咳嗽模板中的一个咳嗽模板。

6.如权利要求4或5所述的方法，其特征在于，所述根据所述第一信号特征确定所述用户咳嗽的咳嗽类型之前，所述方法还包括：

获取预设数量的目标咳嗽类型的样本信号的信号特征；所述目标咳嗽类型为一种预设且已知的咳嗽类型；

根据所述预设数量的目标咳嗽类型的样本信号的信号特征，得到所述第一模型。