1、近年來智能穿戴設(shè)備和移動終端在健康管理上的應(yīng)用越來越多，而感冒這種常見的上呼吸道疾病卻沒有可用于移動設(shè)備的檢測方法。感冒發(fā)病率高且容易引發(fā)其他疾病，在診斷感冒患者時，患者的聲音信號能提供很大價值的信息?；诟忻安“Y會引起患者聲音變化這一特性，本文采集感冒患者和健康人嗓音，提取可以用于區(qū)分感冒患者嗓音和健康人嗓音的特征參數(shù)。探索出一種便捷的感冒患者嗓音識別方法，結(jié)合智能穿戴設(shè)備展示了本研究的一個使用場景，本文取得的主要工作內(nèi)容如下:

2、>　　1.采集語音樣本。研究語音的產(chǎn)生機理和數(shù)字模型，聯(lián)系感冒的喉痛、鼻塞、咳嗽等病癥，對感冒患者聲音變化作出解釋，為從聲音出發(fā)分析感冒提供了理論上的支撐。
　　2.對采集到的語音信號做預(yù)處理。使用一階高通濾波器加強語音信號的高頻特征，濾除噪聲干擾;使用漢明窗對語音信號做分幀加窗操作，為后續(xù)使用短時分析方法提取特征參數(shù)做準備;使用短時能量為門限對語音做端點識別，剔除語音的空白段。
　　3.改進傳統(tǒng)病態(tài)嗓音實驗方法。采集實驗對

3、象感冒前后的語音，排除不同人之間性別、說話習(xí)慣和聲道個性的干擾，對所提取的參數(shù)做統(tǒng)計分析。實驗結(jié)果表明研究對象感冒前后嗓音的基音頻率、共振峰頻率和Mel倒譜系數(shù)具有明顯區(qū)別。
　　4.提出一種感冒患者嗓音識別方法。提取反映聲帶特征的基音頻率、反映聲道形狀的共振峰頻率和基于入耳聽覺模型的Mel倒譜系數(shù)三種特征參數(shù)，結(jié)合本文的語音庫和所提取特征參數(shù)，對基于BP神經(jīng)網(wǎng)絡(luò)的感冒嗓音分類進行了研究。實驗結(jié)果表明本文提取的特征向量能夠很好地用