采用MFCC和DTW的咳嗽干湿性自动分类技术

doi:10.3778/j.issn.1002-8331.2010.13.063

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (13): 209-212.DOI: 10.3778/j.issn.1002-8331.2010.13.063

采用MFCC和DTW的咳嗽干湿性自动分类技术

李文¹，莫鸿强¹，田联房¹，阳国清¹，郑则广²

1.华南理工大学自动化科学与工程学院，广州 510641
2.广州医学院，广州 510120

收稿日期:2009-06-16 修回日期:2009-08-01 出版日期:2010-05-01 发布日期:2010-05-01
通讯作者: 李文

Automated classification between dry and wet cough using MFCC and DTW

LI Wen¹，MO Hong-qiang¹，TIAN Lian-fang¹，YANG Guo-qing¹，ZHENG Ze-guang²

1.College of Automation Science and Engineering，South China University of Technology，Guangzhou 510641，China
2.Guangzhou Medical University，Guangzhou 510120，China

Received:2009-06-16 Revised:2009-08-01 Online:2010-05-01 Published:2010-05-01
Contact: LI Wen

摘要/Abstract

摘要： 咳嗽是一种在呼吸疾病中常见的症状。对病人的咳嗽类型进行分类和统计对病人的病理分析将有极大帮助。提出了一种基于MFCC特征和DTW模板匹配的方法来对病人的咳嗽进行自动干湿性分类。通过训练咳嗽样本，使用特征提取算法得到它们的MFCC特征参数从而生成用于比较的参考模板库。然后对需要进行分类的咳嗽信号进行同样的特征提取过程，并将参数和模板库中的进行匹配从而得出咳嗽的干湿性类别。文中对78个未知类型的咳嗽样本进行分类，得出干性咳嗽57个，湿性咳嗽21个，分类错误率为7.69%。经进一步处理，可以将分类错误率减少到仅为2.56%。

关键词: 咳嗽自动分类, mel频率倒谱系数（MFCC）, 动态时间规整（DTW）

Abstract: Cough is a common symptom of respiratory diseases.The classification and analysis of cough sounds will provide valuable clinical information in the assessment of patients’ diseases.In this paper an automated classification method is proposed based on Mel-Frequency Cepstral Coefficient（MFCC） and Dynamic Time Warping（DTW） to separate dry cough from wet cough.The features are extracted from training data using the MFCC algorithm and saved as a template database.Then the unknown cough sounds can be classified as dry or wet cough by using the DTW algorithm to compare their features with the features in the template database.The experiment results show a misclassification between‘dry’and‘wet’cough sounds for only 7.69% of the all cough samples.

Key words: cough automated classification, Mel-Frequency Cepstral Coefficient（MFCC）, Dynamic Time Warping（DTW）

中图分类号:

TP391.42

李文¹，莫鸿强¹，田联房¹，阳国清¹，郑则广². 采用MFCC和DTW的咳嗽干湿性自动分类技术[J]. 计算机工程与应用, 2010, 46(13): 209-212.

LI Wen¹，MO Hong-qiang¹，TIAN Lian-fang¹，YANG Guo-qing¹，ZHENG Ze-guang². Automated classification between dry and wet cough using MFCC and DTW[J]. Computer Engineering and Applications, 2010, 46(13): 209-212.

[1]	范纯龙，崔宇斌，滕一平. 基于自适应搜索窗口的序列相似比对算法[J]. 计算机工程与应用, 2019, 55(2): 54-59.
[2]	谢小雨1，刘喆颉1，2. 基于DTW算法的肌电信号手势识别方法[J]. 计算机工程与应用, 2018, 54(5): 132-137.
[3]	庄严，于凤芹. 结合节拍语义和MFCC声学特征的音乐流派分类[J]. 计算机工程与应用, 2015, 51(3): 197-201.
[4]	陈玲，杨天奇. 基于质心和轮廓关键点的步态识别[J]. 计算机工程与应用, 2015, 51(19): 173-177.
[5]	沈燕，肖仲喆，李冰洁，周孝进，周强，陶智. 采用GW-MFCC模型空间参数的语音情感识别[J]. 计算机工程与应用, 2015, 51(10): 219-222.
[6]	孔荣，吴迪，廖启鹏，朱俊杰，周强，陶智. 采用复倒谱峰值滤波GMM识别混响语音[J]. 计算机工程与应用, 2014, 50(15): 191-193.
[7]	翟素兰，查到丽. 基于视觉与结构谱特征融合的视频检索[J]. 计算机工程与应用, 2012, 48(32): 176-180.
[8]	李玲俐，陈晓明. 类独立特征提取法在环境声音识别中的应用[J]. 计算机工程与应用, 2012, 48(22): 156-160.
[9]	李杰，刘贺平. 一种基于临界带宽的新小波包变换算法[J]. 计算机工程与应用, 2012, 48(14): 5-7.
[10]	王宪保1，陈勇2，汤丽平1. 结合MFCC分析和仿生模式识别的语音识别研究[J]. 计算机工程与应用, 2011, 47(12): 20-22.
[11]	肖汉光¹,蔡从中². 基于SVM的非特定人声调识别的研究[J]. 计算机工程与应用, 2009, 45(9): 174-176.
[12]	袁正午^1，2，肖旺辉¹. 改进的混合MFCC语音识别算法研究[J]. 计算机工程与应用, 2009, 45(33): 108-110.

采用MFCC和DTW的咳嗽干湿性自动分类技术

Automated classification between dry and wet cough using MFCC and DTW

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics