-
公开(公告)号：CN109545239B
公开(公告)日：2021-11-05
申请号：CN201811485004.8
申请日：2018-12-06
Applicant: 华南理工大学 , 佛山市百步梯医疗科技有限公司
IPC: G10L21/0216
Abstract: 本发明提供了一种用于采集体音信号的双麦克风自适应滤波算法，其特征在于：采用至少一主一副两个麦克风来采集信号；主麦克风用以采集带噪体音信号，副麦克风用以采集环境噪音；对主麦克风采集到的信号和副麦克风采集到的信号作相同的高通滤波处理；对高通滤波处理后的主麦克风信号和副麦克风信号采用归一化最小均方算法计算自适应滤波器权值并计算误差信号，以滤除主麦克风信号中的环境噪音；对误差信号作第一次低通滤波处理以复原体音信号，从而得到自适应滤波算法输出的体音信号。该算法既可实现滤波器权值快速收敛，又可避免信号失真，快速可靠地抑制环境噪声干扰。
-
公开(公告)号：CN101986144B
公开(公告)日：2012-07-18
申请号：CN201010527552.X
申请日：2010-10-31
Applicant: 华南理工大学
Abstract: 本发明提供了一种锌钡白煅烧过程消色力的软测量方法，包括步骤：(1)采集煅烧温度数据、煅烧转速数据、消色力的历史检测值；(2)建立软测量模型；(3)计算所述锌钡白当前煅烧过程的出料时刻的单位能量；(4)在所述步骤(1)的数据保存系统中，提取所述当前煅烧过程的出料时刻之前的两个消色力采样时刻的消色力的历史检测值，分别为历史检测值一和历史检测值二；(5)所述步骤(3)所得的单位能量和步骤(4)所得的历史检测值一和历史检测值二构成输入向量，所述输入向量输入步骤(2)的软测量模型中，得到当前煅烧过程的出料时刻的消色力的预测值，完成其软测量。本发明具有简化模型结构等优点。
-
公开(公告)号：CN101894551B
公开(公告)日：2012-05-09
申请号：CN201010217590.5
申请日：2010-07-02
Applicant: 华南理工大学
Abstract: 本发明提供了一种咳嗽自动识别方法，包括步骤：(1)输入PCM格式的语音信号；(2)对PCM格式的语音信号进行端点检测，剔除非咳嗽信号，其余信号作为候选咳嗽信号；(3)对候选咳嗽信号按帧提取特征，将其转换为一39维的特征向量序列；(4)根据所提取的特征向量序列训练隐马尔可夫模型，对候选咳嗽信号进行识别，判断是否为咳嗽信号；(5)对一定时间段内的咳嗽信号进行统计。本发明还提供了实现上述方法的装置，包括声音输入装置、识别器、SD卡、显示装置以及一组按钮，所述声音输入装置、SD卡、显示装置、按钮均分别与识别器连接。本发明可实现咳嗽音的实时记录和自动识别，分析咳嗽频率和强度的动态变化特点。
-
公开(公告)号：CN101894551A
公开(公告)日：2010-11-24
申请号：CN201010217590.5
申请日：2010-07-02
Applicant: 华南理工大学
Abstract: 本发明提供了一种咳嗽自动识别方法，包括步骤：(1)输入PCM格式的语音信号；(2)对PCM格式的语音信号进行端点检测，剔除非咳嗽信号，其余信号作为候选咳嗽信号；(3)对候选咳嗽信号按帧提取特征，将其转换为一39维的特征向量序列；(4)根据所提取的特征向量序列训练隐马尔可夫模型，对候选咳嗽信号进行识别，判断是否为咳嗽信号；(5)对一定时间段内的咳嗽信号进行统计。本发明还提供了实现上述方法的装置，包括声音输入装置、识别器、SD卡、显示装置以及一组按钮，所述声音输入装置、SD卡、显示装置、按钮均分别与识别器连接。本发明可实现咳嗽音的实时记录和自动识别，分析咳嗽频率和强度的动态变化特点。
-
公开(公告)号：CN115620744B
公开(公告)日：2025-05-13
申请号：CN202211225892.6
申请日：2022-10-09
Applicant: 华南理工大学 , 佛山市百步梯医疗科技有限公司
Abstract: 本发明提供了一种基于瞬时阻尼和瞬时频率的心音分割方法及存储介质；方法为：采集待分割的心音信号，对心音信号进行预处理，预处理后信号进行分帧加窗，计算各帧心音的功率谱密度包络向量、瞬时阻尼和瞬时频率，构造观测向量作为LR分类器的输入，最终采用维特比算法解码LR‑HSMM模型，获得最佳分割序列。该方法增加了瞬时阻尼、瞬时频率、以及连续多帧的功率谱密度包络值作为分割特征，从而提高了分割方法的抗噪性能，可更准确地刻画心音的能量特性。
-
Patent Agency Ranking
公开(公告)号：CN113158916A
公开(公告)日：2021-07-23
申请号：CN202110450820.0
申请日：2021-04-26
Applicant: 华南理工大学
Abstract: 本发明提供了一种咳嗽音自动识别算法、装置、介质和设备；其中算法包括如下步骤：获取待识别样本；对样本进行端点检测，从起始点截取持续时间为t的固定长度序列，并设定为信号序列并归一化处理；利用线性预测编码得到预测信号序列和残差信号序列；求取预测信号序列的MFCC参数mfccr以及残差信号序列的短时能量enr，构造特征向量；将特征向量输入到线性SVM分类器，根据线性SVM分类器输出判断待识别样本类型为咳嗽音样本或非咳嗽音样本。该算法克服了激励源时域特征易受声道谐振影响的问题，具有良好的识别能力，识别准确度高。
-
公开(公告)号：CN109635786A
公开(公告)日：2019-04-16
申请号：CN201910057743.5
申请日：2019-01-22
Applicant: 佛山市百步梯医疗科技有限公司 , 华南理工大学
CPC classification number: G06K9/00536 , G06K9/0051 , G16H50/20 , G16H80/00
Abstract: 本发明提供了一种基于心音自相关函数的心率计算算法，其特征在于：获取心音序列，对心音序列作滤波处理和求包络；之后在搜索范围内计算自相关函数，搜索自相关函数的峰值点进而根据峰值点序号计算心率值。本发明计算算法可克服呼吸音、摩擦音以及第一、第二心音波形相似等因素的干扰，利用心音序列即可准确计算出心率值，便于在小型可穿戴设备和小型电子听诊器中实现，也适用于在医院和家庭用电子听诊辅助诊疗系统。
-
公开(公告)号：CN106923812A
公开(公告)日：2017-07-07
申请号：CN201710200463.6
申请日：2017-03-30
Applicant: 华南理工大学
IPC: A61B5/0245 , A61B7/04
Abstract: 本发明公开了一种基于心音信号自相关分析的心率计算方法，所述方法包括以下步骤：首先利用录音设备获取心音信号；然后对心音信号进行抽取及死区非线性处理，得到待分析处理的信号；之后对抽取得到的信号进行自相关运算获取自相关序列；接着对自相关序列再次进行死区非线性处理，从处理后得到的序列中提取出第二个周期的位置，根据第二个周期的峰值，计算出心音信号的周期，获得心率。本发明通过自相关处理以及死区非线性处理得到自相关序列，从自相关序列中计算出心率，只利用心音信号即可准确实现心率的计算，计算方法简单，结果精准，对硬件实现的要求低，非常便于在可穿戴设备中实现。
-
公开(公告)号：CN112562701B
公开(公告)日：2023-03-28
申请号：CN202011278315.4
申请日：2020-11-16
Applicant: 华南理工大学 , 广东省第二人民医院(广东省卫生应急医院) , 佛山市百步梯医疗科技有限公司
IPC: G10L19/26 , G10L21/0216 , A61B7/04
Abstract: 本发明提供了一种心音信号双通道自适应降噪算法、装置、介质及设备；其中算法包括预处理滤波器生成过程和主副通道信号预处理及降噪过程；预处理滤波器生成过程，是指在安静的环境下采样主通道信号，采用全极点模型对主通道信号作线性预测编码，求得全极点模型的传递函数，从而得到与全极点模型传递函数互为倒数的、预处理滤波器的传递函数；主副通道信号预处理及降噪过程是指：采样主通道信号和副通道信号；对主通道信号和副通道信号进行预处理，并对预处理后信号进行自适应滤波得到误差信号；之后采用传递函数与预处理滤波器传递函数互为倒数的滤波器对误差信号进行滤波处理，得到输出信号。本发明根据实测信号，以最小化心音信号方差为目标确定预处理滤波器的参数，所得预处理滤波器参数为方差最小化意义下的最优值，从而提升降噪效果。
-
公开(公告)号：CN111179967B
公开(公告)日：2022-05-24
申请号：CN201911300409.4
申请日：2019-12-17
Applicant: 华南理工大学
Abstract: 本发明提供了一种颈脊髓损伤患者真假咳嗽音线性分类算法，其特征在于：获取若干清音样本和浊音样本，截取清音样本和浊音样本的起始段序列并作滤波处理；计算所得序列的过零率和最大自相关系数；以过零率和最大自相关系数为特征建立线性分类器，并以清音样本和浊音样本为样本集来训练线性分类器；通过训练后的线性分类器来识别颈脊髓损伤患者的真性咳嗽和呼喊声类型假性咳嗽。本发明算法克服了因颈脊髓损伤患者咳嗽音训练样本不足所导致的无法训练识别模型的困难，仅利用清浊音信号即可识别咳嗽真假，避免呼喊声类型的假性咳嗽对咳嗽强度分析的干扰；同时，该方法模型简单且计算量小，便于在可穿戴设备中实现。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.018 seconds)
