[发明专利]一种基于语音控制的流量调节微量泵方法与系统

权利要求书

1.一种基于语音控制的流量调节微量泵系统，微量泵调节系统包括内置的神经网络模型以及控制语音的关键词识别模型，其特征在于，包括：

S1：针对不同规格的注射器，在针头端配置医用传感器，在指压端配置压力传感器，调节传统微量泵档位，检测指压端压强和针头端药液速度，并采集指压端压强-针头端药液速度数据作为训练数据集，得到不同规格注射器的训练数据集；

S2：将训练数据集中的针头端药液速度作为模型输入，对应的指压端压强作为输出，训练神经网络模型，并利用Adam优化算法进行模型参数优化，将优化后的神经网络模型内置在微量泵调节系统，神经网络模型的输入为针头端药液速度，输出为指压端压强，所述神经网络模型的计算流程为：

1)将针头端药液速度作为神经网络模型输入层的输入值；

2)隐藏层对输入的针头端药液速度进行特征映射，并输出对应的指压端压强：

其中：

σ(·)表示激活函数；

s表示针头端药液速度；

w表示隐藏层中的权重矩阵；

b表示隐藏层中的偏置量；

表示隐藏层对输入值的预测指压端压强结果；

构建神经网络模型的损失函数L(θ)，并分别将S1步骤中的每组训练数据集输入到神经网络模型中训练，训练得到n组神经网络模型，所述损失函数为：

其中：

P_q表示每组训练数据集中第q个训练数据的真实指压端压强；

为神经网络模型对每组训练数据集中第q个训练数据的预测指压端压强；

e表示每组训练数据集中训练数据的总数；

θ表示神经网络模型的参数，包括权重矩阵w以及偏置量b，通过调节神经网络模型参数θ，得到不同的损失函数值L(θ)；

S3：微量泵调节系统接收用户的控制语音，并对用户的控制语音进行关键词识别，得到微量泵注射速度增加/减少的数值，所述对用户的控制语音进行关键词识别，得到微量泵注射速度增加/减少的数值，包括：

接收用户的控制语音信号，对控制语音信号进行快速傅里叶变换处理：

其中：

X(ω)表示控制语音信号x(∈)在傅里叶变换点数ω下的频谱；

j表示虚数单位，j²＝-1；

L表示控制语音信号的信号长度；

构建一个带有M个三角带通滤波器的滤波器组，则第m个三角带通滤波器的中心频率为f_m，m∈[0，M-1]，且m为整数，第m个三角带通滤波器的频率响应为：

其中：

ω表示对控制语音信号x(∈)进行快速傅里叶变换处理的傅里叶变换点数；

将X(ω)输入到滤波器组中，则每个滤波器输出的对数能量为：

则控制语音信号的梅尔频率倒谱系数特征为：

其中：

p表示梅尔频率倒谱系数特征的阶数；

将阶数为1，3，5，10的梅尔频率倒谱系数特征作为关键词识别的语音向量，则关键词识别的语音向量F为：

F＝[MFCC(1)，MFCC(3)，MFCC(5)，MFCC(10)]

将语音向量F输入到关键词识别模型中，则进行关键词识别的流程为：

h＝softmax(w^Nu^N+b^N)

p^N＝au^N-1+d

u^N＝u^N-1+p^N

其中：

h代表模型在第N个记忆块后的全连接层的输出，输出形式为{±1：c}，c表示微量泵注射速度增加/减少的数值，若为+1，则表示微量泵注射速度增加c，若为-1，则表示微量泵注射速度减少c；

p^N代表第N个记忆块前的线性预测层的输出，a，d为线性预测层的参数；

u^N为第N个记忆块的输出，u⁰表示关键词识别的语音向量F；

w^N为第N个记忆块的权重参数；

b^N为第N个记忆块的偏置量参数；

S4：根据控制语音中微量泵注射速度增加/减少的数值，计算得到当前微量泵的注射速度，并将当前微量泵的注射速度作为神经网络模型的输入，神经网络模型输出压强，控制调节微量泵压强为模型输出压强。