论文部分内容阅读
随着生活水平的提高，人们对自身的健康状况给予了越来越多的关注。但因时间地点的限制，人们无法时刻了解自己的健康状况。移动健康这个概念因此而产生，因其能够摆脱时间和地域的限制时刻监测人体状况，而受到广泛的青睐。基于骨导麦克风的饮食行为信号的分析与处理，便是从饮食行为出发考虑的一种移动健康监测方法。近几年，语音识别得到了很快的发展，也取得了很高的识别准确率。但是基于骨导麦克风的饮食行为信号，无论在时域还是频域，都与语音信号有很大的区别。因此，语音识别的特征参数提取、建模与识别也不适用于骨导饮食行为信号。鉴于这种情况，本文先对基于骨导麦克风的饮食行为信号作了系统的统计分析，包括时域和频域的特性分析，并得出一些饮食行为信号特有的结论。在此基础之上，更加具体地分析了骨导饮食行为信号区别性信息与频率成份之间的关系，并提出基于状态平均F-ratio的特征参数提取方法，提取出的SMFFCC更能表征骨导饮食行为信号的固有特性。在建模和识别方面，也充分考虑到骨导饮食行为信号的特点，通过统计分析的结果以及大量的实验，确定了特有的模型参数，用于训练和识别。虽然SMFFCC特征参数针对骨导饮食行为信号提出，但并不局限于此。SMFFCC特征参数的分析和得出过程并没有受到骨导信号和饮食行为信号的制约，而是通过一种普适的方法最终得到的参数可以反映骨导饮食行为信号的特性。同理，对于社会生活中或自然世界中一些声音种类的区分，都可以采用这种方法进行分析，并最终得到更能表征所要区分声音特性的SMFFCC特征参数。骨导饮食行为信号语料库共包括23人，约500分钟数据。在此语料库上进行实验，得到了比较高的识别准备率，基本达到了实际应用的要求。另外，对比实验表明，提出的新特征参数相比以往的特征参数，错误率有一定程度的降低，也说明了新特征参数的有效性。