[发明专利]梦呓识别方法、装置和电子设备

说明书

本申请公开了一种梦呓识别方法、装置和电子设备，其中方法包括：获取音频信号，确定音频信号中各帧的响度、线性频谱能量和梅尔频谱能量；根据各帧的响度确定背景噪音响度；根据各帧的响度和背景噪音响度确定出有声片段；根据各帧的梅尔频谱能量，输入神经网络鼾声预测模型，从有声片段中识别出非鼾声片段；确定所述非鼾声片段中各帧的线性频谱能量极值信息，并根据预设梦呓规则以及线性频谱能量极值信息，从非鼾声片段中识别出梦呓片段。本申请的方法逻辑严谨，能够从复杂的音频信号中准确识别出用户的梦呓的声音，有效排除背景噪音和用户鼾声的干扰，为监控用户的睡眠质量提供了坚实的基础，弥补了对梦呓识别的技术空白。

技术领域

本申请涉及人工智能技术领域，尤其涉及梦呓识别方法、装置和电子设备。

背景技术

梦呓是是一种睡眠障碍，用户在睡眠质量监测中，有强烈的需求想了解自我是否存在梦呓和梦呓的严重程度。

目前的语音识别技术包括语音到文字的转化，方言识别，或不同语言之间的翻译等。但是对于梦呓的识别目前没有比较成熟的技术。

由于梦呓在睡觉过程中发生，而非人们清醒状态，多是含混不清，非清晰表达的语音，另外，睡觉环境中，打鼾是一种常见现象，鼾声与梦呓在频域特征有时非常相似，这使准确识别梦呓变得更加困难，所以对于梦呓的识别不通过照搬现有的语音识别技术。因此，亟待一种准确、高效的梦呓识别方法，为用户梦呓的提供评估与改善提供基础。

发明内容

本申请实施例提供了一种梦呓识别方法、装置和电子设备，以解决或至少部分解决上述问题。

根据本申请的第一方面，提供了一种梦呓识别方法，包括：

获取音频信号，确定所述音频信号中各帧的响度、线性频谱能量和梅尔频谱能量；

根据所述各帧的响度确定背景噪音响度；

根据各帧的响度和所述背景噪音响度确定出有声片段；

根据各帧的梅尔频谱能量，输入神经网络鼾声预测模型，从所述有声片段中识别出非鼾声片段；

确定所述非鼾声片段中各帧的线性频谱能量极值信息，并根据预设梦呓规则以及所述线性频谱能量极值信息，从所述非鼾声片段中识别出梦呓片段。

根据本申请的另一方面，提供了一种梦呓识别装置，包括：

获取单元，用于获取音频信号，确定所述音频信号中各帧的响度、线性频谱能量和梅尔频谱能量；

确定单元，用于根据所述各帧的响度确定背景噪音响度；

第一识别单元，用于根据各帧的响度和所述背景噪音响度确定出有声片段；

第二识别单元，用于根据各帧的梅尔频谱能量，输入神经网络鼾声预测模型，从所述有声片段中识别出非鼾声片段；

第三识别单元，用于确定所述非鼾声片段中各帧的线性频谱能量极大值，并根据预设规则以及所述各帧的线性频谱能量极大值，从非鼾声片段中识别出梦呓片段。

根据本申请的另一方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一的方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

首先根据组成音频信号的各帧的响度确定当前环境的背景噪音响度，在背景噪音响度以上的片段被标记为有声片段，进一步的，基于神经网络鼾声预测模型，从有声片段中排除鼾声的影响，识别出非鼾声片段，在非鼾声片段中，根据各帧的线性频谱能量极值信息与预设规则最终识别出梦呓片段。本申请的方法逻辑严谨，能够从复杂的音频信号中准确识别出用户的梦呓的声音，有效排除背景噪音和用户鼾声的干扰，为监控用户的睡眠质量提供了坚实的基础，弥补了对梦呓识别的技术空白。