[发明专利]基于复数谱的语音抑郁水平检测方法及其系统

权利要求书

1.一种基于复数谱的语音抑郁水平检测方法，其特征在于，包括以下步骤：

S1：提取原始语音波形的复数谱，作为自动语音抑郁水平预测的输入特征；

S2：采用深层语音特征提取器对特征的通道之间的相互依赖性建模，获取区分性声学特征；

S3：用两层卷积神经网络将频率信道压缩成一维，获取只有时间维度的深度语音特征；

S4：采用注意时间池获取低维语音表征的长期相关性，并根据注意机制动态选择更重要的信息，获得相对应的预测结果。

2.根据权利要求1所述的基于复数谱的语音抑郁水平检测方法，其特征在于，步骤S1的具体步骤包括：

S101：利用短时傅里叶变换STFT将时域语音信号转换为时频域：

Real[t，f]+i*Imag[t，f]＝STFT(x[k]) (1)

其中，x[k]表示时域中的语音信号，k是语音信号的时间索引，Real和Imag是STFT的相应实部和虚部，t是时间帧数的索引，f是频率单元的索引；

S102：将STFT的实数部分和虚数部分拼接在一起，得到需要的复数谱特征，表示为：

其中，stack表示拼接操作，F和T分别为频率和时间帧数。

3.根据权利要求1所述的基于复数谱的语音抑郁水平检测方法，其特征在于，步骤S2的具体步骤包括：

S201：首先利用全局池对输入向量进行压缩，从而获得全局信息嵌入：

z_c＝F_GP(u_c) (3)

其中，u_c是第c个通道输入向量U＝[u₁，u₂，......，u_c]，F_GP表示GP操作，z_c是Z的第c个元素，Z表示全局信息；

S202：应用两个完全连接层，通过挤压操作充分利用聚合的信息，并完全捕获通道依赖：

S＝σ(W₂δ(W₁Z)) (4)

其中，W₁和W₂是这两个FC层的权重矩阵，δ和σ分别表示ReLU和sigmoid函数，S表示根据重要性赋予的通道权重；

S203：缩放操作获取SE计算块的最终输出：

其中，F_scale表示通道乘法。

4.根据权利要求1所述的一种基于复数谱的语音抑郁水平检测方法，其特征在于，步骤S3的具体步骤包括：

其中，V＝[V₁，V₂，......，V_T′]表示深度语音特征，T′表示在深层语音特征提取器之后的时间维度，D表示V_i的维度。

5.根据权利要求1所述的一种基于复数谱的语音抑郁水平检测方法，其特征在于，步骤S4的具体步骤包括：

V′＝W[concate{μ(α_iV_i)；ζ(α_iV_i)}] (9)

其中，V_i表示深度语音特征的一组局部描述符,V′表示单个全局描述符，μ表示均值，ζ表示方差，W表示线性投影。

6.一种基于复数谱的语音抑郁水平检测系统，其特征在于，包括：

语音特征输入模块，用于提取原始语音波形的复数谱，作为SDLP的输入特征；

复数谱特征处理模块，用于采用深层语音特征提取器对特征的通道之间的相互依赖性建模，获取区分性声学特征；用两层卷积神经网络将频率信道压缩成一维，获取只有时间维度的深度语音特征；

注意时间池模块，用于采用注意时间池获取低维语音表征的长期相关性，并根据注意机制动态选择更重要的信息，获得相对应的预测结果。