基于帧间PCA特征降维的咳嗽识别

来源：计算机技术与发展杂志2016年第03期北京时间：

作者：朱春媚;黎萍

摘要：咳嗽是呼吸系统疾病常见的症状，咳嗽的自动监测在临床上具有重要的辅助诊断意义。作为便携式咳嗽监测仪的软件算法，咳嗽识别具有小样本、粗分类和运算速度要求高的特点，这使得特征降维在咳嗽识别中具有重要意义。咳嗽识别一般采用39维的Mel倒谱系数作为特征量，特征维数不高导致帧内特征降维效果不显著。针对这个问题，文中对咳嗽的声学特点进行分析，在得出咳嗽特征集中体现在爆发相的结论基础上，提出了一种基于主元分析法( PCA)的帧间特征降维方法。采用主元分析得到映射矩阵和主元个数后，以每6帧为一组进行分组降维，然后组合降维后的特征作为总特征，将咳嗽识别的特征数量降维至原来的23.9%。采用隐马尔可夫模型作为分类器，多组录音样本的咳嗽识别实验结果表明，该降维方法能在改善识别准确率的同时，有效减少算法的运行时间、提高咳嗽识别的效率。

关键词：咳嗽监测;咳嗽识别;主元分析法; 特征降维