融合LPCC和MFCC的支持向量機(jī)OSAHS鼾聲識別

沈侃文，李文鈞，岳克強(qiáng)

(杭州電子科技大學(xué)射頻電路與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，浙江 杭州 310018)

0 引 言

打鼾是“阻塞性睡眠呼吸暫停低通氣綜合征”(Obstructive Sleep Apnea-Hypopnea Syndrome，OSAHS)的癥狀之一[1]，打鼾和呼吸暫停之間存在密切關(guān)系。目前，醫(yī)學(xué)界檢測OSAHS的國際標(biāo)準(zhǔn)是多導(dǎo)睡眠圖(Polysomnography，PSG)，但PSG檢測價格昂貴，耗時較長且操作復(fù)雜，難以滿足當(dāng)前便捷、低成本檢測方式的需要[2]。鼾聲是一種重要的生理信號，包含與OSAHS相關(guān)的許多信息，并反映出OSAHS的病理特征[3]，可以通過檢測鼾聲來實(shí)現(xiàn)OSAHS的診斷。在語音識別的特征參數(shù)選擇方面，王彪[4]采用線性預(yù)測倒譜系數(shù)(Linear Prediction Cepstrum Coefficient，LPCC)進(jìn)行語音識別，郭春霞等[5]采用梅爾倒譜系數(shù)(Mel-scale Frequency Cepstral Coefficient，MFCC)進(jìn)行說話人識別，取得一定的成果。但是，由于特征參數(shù)過于單一導(dǎo)致識別準(zhǔn)確率偏低。支持向量機(jī)(Support Vector Machines，SVM)基于結(jié)構(gòu)風(fēng)險最小化原則，泛化能力強(qiáng)，故本文從鼾聲的聲學(xué)特征出發(fā)，提出一種基于支持向量機(jī)(Support Vector Machines，SVM)的融合特征鼾聲分類算法，為OSAHS診斷提供一定參考價值。

1 基于Fisher準(zhǔn)則的融合特征提取方法

聲音的特征提取方法主要包括基音頻率、短時能量、共振峰、線性預(yù)測編碼(Linear Predictive Coding，LPC)、線性預(yù)測倒譜系數(shù)LPCC、梅爾倒譜系數(shù)MFCC等，其中LPCC和MFCC特征提取性能較好，本文使用一種基于Fisher準(zhǔn)則的融合特征提取方法將LPCC和MFCC進(jìn)行融合，產(chǎn)生新的特征參數(shù)，有效表征鼾聲的特征，達(dá)到區(qū)別鼾聲類別的目的。

1.1 LPCC特征提取

LPCC特征參數(shù)[6]是在LPC特征參數(shù)[7]的基礎(chǔ)上得到的。通過LPC分析獲得的聲道模型系統(tǒng)函數(shù)為：

(1)

(2)

將式(1)代入式(2)，然后兩邊各自關(guān)于z求導(dǎo)，則有：

(3)

所以有：

(4)

(5)

1.2 MFCC特征提取

人的聽覺特性是MFCC分析[9]的基礎(chǔ)，其中對語音頻譜的分析是基于人耳的聽覺實(shí)驗(yàn)，以此獲得良好的語音特性。

MFCC特征參數(shù)[10]的提取首先經(jīng)過預(yù)處理、離散傅里葉變換、語音信號功率譜計(jì)算，再通過一組梅爾尺度的三角形濾波器組對頻譜進(jìn)行平滑化，從而避免特征參數(shù)受到語音的音調(diào)高低的影響，最后計(jì)算每個濾波器組輸出的對數(shù)能量：

(6)

式中，X(k)為各幀信號進(jìn)行快速傅里葉變換得到的頻譜并取模平方得到語音信號的功率譜，H(k)為能量譜通過三角濾波器得到的頻率響應(yīng)，M為梅爾濾波器總數(shù)，N為頻域中的譜線總條數(shù)。得到每個濾波器組輸出的對數(shù)能量s(m)后經(jīng)離散余弦變換得到MFCC系數(shù)C(n)：

(7)

式中，L為離散余弦變化后的譜線總條數(shù)。

1.3 融合LPCC和MFCC的特征提取

Fisher準(zhǔn)則[11]的原理是在特征向量空間中找到投影子空間，以使其中的特征點(diǎn)在該空間中獲得最佳分類。Fisher準(zhǔn)則是模式識別中的降維方法和特征提取方法。LPCC特征參數(shù)和MFCC特征參數(shù)分別代表鼾聲信號的不同特征并且具有不同的表征能力。本文結(jié)合不同特征參數(shù)的優(yōu)勢進(jìn)行鼾聲識別。

特征參數(shù)的選擇是從C維特征參數(shù)中選擇最有效的c(c

(8)

(9)

(10)

σbetween越大，表明第d維的特征參數(shù)分量與其他維的特征參數(shù)分量對不同鼾聲信號包含的特征信息的區(qū)分度較好。σwithin越小，表示第d維的特征參數(shù)分量表示的同一鼾聲信號包含的特征信息越集中?？傮w來說，F(xiàn)isher比越大，表明該維特征參數(shù)能更有效準(zhǔn)確地反映鼾聲信號的特征信息。

本文先根據(jù)Fisher比進(jìn)行特征選擇，再進(jìn)行特征參數(shù)的融合，具體步驟如下。

(1)將輸入的鼾聲信號進(jìn)行預(yù)加重、加窗、分幀、端點(diǎn)檢測等處理。

(2)分別求取鼾聲信號的LPCC特征參數(shù)和MFCC特征參數(shù)。

(3)將LPCC特征參數(shù)和MFCC特征參數(shù)分別構(gòu)建成LPCC特征參數(shù)序列和MFCC特征參數(shù)序列。

(4)根據(jù)Fisher準(zhǔn)則分別求出LPCC特征參數(shù)序列和MFCC特征參數(shù)序列中每一維特征參數(shù)的Fisher比，選擇Fisher比大的維數(shù)，并分別構(gòu)成LPCC特征參數(shù)序列和MFCC特征參數(shù)序列。

(5)將步驟4中的LPCC特征參數(shù)序列和MFCC特征參數(shù)序列進(jìn)行融合，得到新的特征參數(shù)序列。

如上所述，本文特征參數(shù)提取的方法是先根據(jù)Fisher比選擇LPCC特征參數(shù)和MFCC特征參數(shù)，然后再進(jìn)行融合特征參數(shù)。這樣，融合特征參數(shù)由LPCC特征參數(shù)的Fisher維度和MFCC特征參數(shù)的Fisher維度組成，因此，構(gòu)成LPCC特征參數(shù)和MFCC特征參數(shù)的數(shù)量相等。

2 基于SVM的鼾聲分類

2.1 SVM原理

SVM是一種二分類模型，能夠正確劃分訓(xùn)練數(shù)據(jù)集并且求解幾何間距最大的分離超平面。當(dāng)數(shù)據(jù)無法在低維特征空間中線性可分時，通過非線性變換x=K(x)將樣本映射到高維空間，K(x)為x映射后的特征向量。當(dāng)核函數(shù)滿足Mercer定理時，使用適當(dāng)?shù)膬?nèi)積函數(shù)獲得高維空間的分類函數(shù)，從而實(shí)現(xiàn)線性可分，且不會增加計(jì)算的復(fù)雜度。假設(shè)超平面能將訓(xùn)練樣本正確分類，則約束條件為[13]：

(11)

式中，xi為第i個特征向量，yi為類標(biāo)記，w為分類超平面法向量，b為分類超平面偏移項(xiàng)，h為樣本總數(shù)。為使得幾何間距最大化，新的最優(yōu)問題轉(zhuǎn)化為：

(12)

式(12)的對偶問題為：

(13)

式中，αi≥0為拉格朗日乘子。決策函數(shù)為：

(14)

2.2 SVM的融合鼾聲特征分類

本文將SVM用于融合鼾聲特征分類，算法步驟如下。

(1)從整夜錄音聲中用端點(diǎn)檢測的方法提取鼾聲段。

(2)通過MATLAB-R2016b平臺提取鼾聲段的LPCC，MFCC，LPCC+MFCC特征數(shù)據(jù)，并將這3種特征數(shù)據(jù)保存為MAT文件。

(3)通過PyCharm平臺導(dǎo)入MAT文件，獲取特征數(shù)據(jù)。

(4)將不同種類的數(shù)據(jù)集標(biāo)記為0和1，然后將數(shù)據(jù)集分為訓(xùn)練集和測試集，最后進(jìn)行模型的訓(xùn)練和測試。

3 實(shí)驗(yàn)仿真與分析

實(shí)驗(yàn)用的鼾聲數(shù)據(jù)來源于某附屬醫(yī)院，采樣頻率為16 000 Hz，16位采樣位數(shù)，單聲道。在特征提取期間，對輸入的鼾聲片段進(jìn)行預(yù)加重、加窗、分幀、端點(diǎn)檢測等處理，其中幀長選為480點(diǎn)，幀移為160點(diǎn)，使用濾波器進(jìn)行預(yù)加重，最后通過MATLAB平臺提取LPCC，MFCC，LPCC+MFCC特征參數(shù)，LPCC濾波器個數(shù)為16，LPCC輸出維度為40，MFCC濾波器個數(shù)為40，MFCC輸出維度為40，LPCC+MFCC(其中LPCC濾波器個數(shù)取16，輸出維度為56，MFCC濾波器個數(shù)為36，輸出維度為36)的輸出維度為40。本文通過錄音設(shè)備采集5名醫(yī)院患者的鼾聲數(shù)據(jù)(2男3女)，文件格式為WAV格式。5名受試者中，單純打鼾者鼾聲為1 060例，OSAHS患者的鼾聲為1 060例。首先通過MATLAB-R2016b平臺分別提取鼾聲信號的LPCC，MFCC，LPCC+MFCC的特征參數(shù)，并保存為MAT文件，然后在PyCharm平臺上通過調(diào)用MAT文件導(dǎo)入特征數(shù)據(jù)，進(jìn)行去均值和方差歸一化處理，運(yùn)用SVM模型進(jìn)行訓(xùn)練和測試。

本文分別采用SVM學(xué)習(xí)算法、隨機(jī)森林學(xué)習(xí)算法、決策樹學(xué)習(xí)算法進(jìn)行實(shí)驗(yàn)，特征參數(shù)選用MFCC，實(shí)驗(yàn)結(jié)果如表1所示。

表1 不同學(xué)習(xí)算法的識別準(zhǔn)確率 %

由表1可知，SVM學(xué)習(xí)算法的準(zhǔn)確率高于決策樹和隨機(jī)森林學(xué)習(xí)算法，分別提高了7.5%和4.7%。

本文在SVM核函數(shù)的選擇上也進(jìn)行了實(shí)驗(yàn)分析，分別采用多項(xiàng)式核函數(shù)、高斯徑向基核函數(shù)、Sigmoid核函數(shù)，特征參數(shù)選用LPCC+MFCC，實(shí)驗(yàn)結(jié)果如表2所示。

表2 不同SVM核函數(shù)的識別準(zhǔn)確率 %

由表2可知，當(dāng)SVM采用高斯徑向基核函數(shù)時識別準(zhǔn)確率高于多項(xiàng)式核函數(shù)和Sigmoid核函數(shù)，分別提高了15.3%和4.1%，有助于提高鼾聲識別系統(tǒng)的準(zhǔn)確率。

在以核函數(shù)為高斯徑向基核函數(shù)的SVM模型上，運(yùn)用LPCC特征參數(shù)、MFCC特征參數(shù)和LPCC+MFCC特征參數(shù)對原始鼾聲信號進(jìn)行訓(xùn)練和測試，基于3種特征參數(shù)的鼾聲識別系統(tǒng)的識別準(zhǔn)確率如表3所示。

表3 不同特征參數(shù)的識別準(zhǔn)確率 %

最后在原始鼾聲信號中分別加入15 dB，20 dB，30 dB的白噪聲，來驗(yàn)證本文融合特征參數(shù)的抗噪性。結(jié)合LPCC特征參數(shù)、MFCC特征參數(shù)、LPCC+MFCC特征參數(shù)的實(shí)驗(yàn)測試結(jié)果，在不同噪聲環(huán)境下的鼾聲識別系統(tǒng)的識別準(zhǔn)確率如表4所示。

表4 不同噪聲環(huán)境下，不同特征參數(shù)的識別準(zhǔn)確率 %

由表3可知，3種特征參數(shù)都有較高的準(zhǔn)確率，都在90%以上。MFCC特征參數(shù)的抗噪性能要比LPCC特征參數(shù)的抗噪性能好。與LPCC和MFCC特征參數(shù)相比，本文的融合特征參數(shù)大大提高了抗噪聲能力，同時鼾聲識別系統(tǒng)的準(zhǔn)確率也大大提高了。

基于以上實(shí)驗(yàn)數(shù)據(jù)，本文的融合特征參數(shù)可以更好地表征鼾聲信號的特征，從而提高了鼾聲識別系統(tǒng)的準(zhǔn)確率，從表3計(jì)算得出，相對于LPCC和MFCC，分別提高了3.4%和2.4%。

4 結(jié)束語

本文設(shè)計(jì)了一種基于SVM的Fisher準(zhǔn)則的融合特征鼾聲分類算法，通過Fisher準(zhǔn)則結(jié)合不同特征參數(shù)的優(yōu)勢來進(jìn)行鼾聲識別。與傳統(tǒng)的LPCC和MFCC特征參數(shù)相比，融合LPCC和MFCC特征參數(shù)的系統(tǒng)的準(zhǔn)確率有所提高。但是，在噪聲環(huán)境下的準(zhǔn)確率還是偏低，接下來將在抗噪方面做進(jìn)一步研究，以提高算法的抗噪性。