[发明专利]基于个体语音分析的抑郁感知系统建立方法及其抑郁感知系统

说明书

本发明公开了一种基于个体语音分析的抑郁感知系统建立方法及其抑郁感知系统，采集多位个体的自我介绍语音数据和抑郁指标量表得分，使用opensmile开源库，对所采集的语音数据进行语音特征提取，保存用于提取语音特征的可执行文件；将所提取的语音特征标准化为正态分布，保存数据预处理模型；在数据预处理模型中选择用于识别抑郁指标的关键语音特征，保存特征选择模型；将选择后的关键语音特征和抑郁指标量表得分输入回归模型中，得到语音识别模型，保存语音识别模型；将可执行文件、数据预处理模型、特征选择模型和语音识别模型进行封装，形成基于个体语音分析的抑郁感知系统。本发明避免社会赞许性和个体掩饰等影响，规避问卷法进行抑郁水平测量的缺陷。

技术领域

本发明涉及情绪感知技术领域，具体涉及一种基于个体语音分析的抑郁感知系统建立方法及其抑郁感知系统。

背景技术

抑郁对个体的生活和工作有很大影响，在求职、入学或心理疾病的诊断等应用场景下会存在对抑郁评估的需求。问卷是目前测量个体抑郁水平的主要方式之一，在学术研究或实际应用中都有较为广泛的使用，在个体抑郁水平的测量上表现了很好的有效性和稳定性。然而问卷测量也有一些不可忽视的缺陷，第一，由于问卷依赖自我报告，在某些场景下，个体可能会因为社会赞许性或希望获得更多机会等原因掩饰真实想法，而选择更贴近提供问卷者需求的答案。第二，问卷具有时效性，通常可以测量被试特定时间段内的心理状态，如果需要跟踪个体较长时间内的心理状态变化，需要多次填写问卷，但是多次填写问卷可能导致个体对问卷的熟悉性，产生练习效应而影响对被试抑郁水平变化的识别。

发明内容

为了解决基于心理测量的问卷方法受社会赞许性影响、耗时耗力和问卷的练习效应等问题，实现对人们心理情绪状况的准确预测，为此，本发明提供了一种基于个体语音分析的抑郁感知系统建立方法及其抑郁感知系统，由于语音识别个体抑郁水平可以避免社会赞许性和个体掩饰的影响，也会减少练习效应的影响，可以较好地规避问卷法进行抑郁水平测量的缺陷。

本发明采用如下技术方案：

一方面，本发明提供了一种基于个体语音分析的抑郁感知系统建立方法，所述建立方法如下：

步骤1，分别采集多位个体的自我介绍语音数据和对应的抑郁指标量表得分；

步骤2，使用opensmile开源库，对所采集到的语音数据进行语音特征提取，保存用于提取语音特征的可执行文件；

步骤3，将步骤2中所提取的语音特征标准化为正态分布，保存数据预处理模型；

步骤4，在数据预处理模型中选择用于识别抑郁指标的关键语音特征，保存特征选择模型；

步骤5，将选择后的关键语音特征和抑郁指标量表得分输入回归模型中，得到语音识别模型，保存语音识别模型；

步骤6，将上述步骤中所保存的可执行文件、数据预处理模型、特征选择模型和语音识别模型进行封装，形成基于个体语音分析的抑郁感知系统。

所述步骤1中采用抑郁自评量表(PHQ-9)对每名被试进行测评，再由每名被试录制一段自我介绍，截取每名被试60s音频片段，得到每名被试时长为60s的自我介绍音频和对应的量表评分。

所述步骤1中要求被试进行3分钟自我介绍，采用录音装置进行录制，保存为32位的wav波文件，并从波文件中截取时长为60s的连续音频片段作为语音数据。

所述步骤2中采用eGeMAPS特征集对所采集到的语音数据进行特征提取，得到包含8个频率相关特征、3个能量特征和14个谱特征的共计25个语音特征，经对所提取的25个语音特征进行统计计算，得到88维特征。

所述步骤4中，使用标准化的特征数据和量表得分有监督地选择特征和量表得分之间F值最大的30维特征，作为用于识别抑郁指标的关键语音特征，其中F值的计算公式如下：