Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019023879) COUGH SOUND RECOGNITION METHOD AND DEVICE, AND STORAGE MEDIUM
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/023879 International Application No.: PCT/CN2017/095263
Publication Date: 07.02.2019 International Filing Date: 31.07.2017
IPC:
G10L 15/02 (2006.01)
G PHYSICS
10
MUSICAL INSTRUMENTS; ACOUSTICS
L
SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
15
Speech recognition
02
Feature extraction for speech recognition; Selection of recognition unit
Applicants:
深圳和而泰智能家居科技有限公司 SHENZHEN H&T SMART HOME TECHNOLOGY CO., LTD. [CN/CN]; 中国广东省深圳市 南山区高新南区科技南十路6号深圳航天科技创新研究院大厦D座10楼1002 Nanshan District High Tech Southern District, Shenzhen Science and Technology Ten South Road, No. 6, Shenzhen Institute of Aerospace Science and Technology Innovation Building, Block D, Building 1002 Shenzhen, Guangdong 518000, CN
Inventors:
刘洪涛 LIU, Hongtao; CN
冯澍婷 FENG, Shuting; CN
孟亚彬 MENG, Yabin; CN
Agent:
深圳市六加知识产权代理有限公司 LIUJIA CHINA IP LAW OFFICE; 中国广东省深圳市 南山区南海大道4050号上汽大厦207室 Room 207, Shangqi Building 4050# Nanhai Road, Nanshan District Shenzhen, Guangdong 518057, CN
Priority Data:
Title (EN) COUGH SOUND RECOGNITION METHOD AND DEVICE, AND STORAGE MEDIUM
(FR) PROCÉDÉ ET DISPOSITIF DE RECONNAISSANCE DE SON DE TOUX, ET SUPPORT D'INFORMATIONS
(ZH) 咳嗽声音识别方法、设备和存储介质
Abstract:
(EN) A cough sound recognition method and device, and a storage medium. The method comprises: sampling a sound signal and obtaining a Mel-frequency cepstral coefficient characteristic parameter matrix of the sound signal (201); extracting a signal characteristic from the Mel-frequency cepstral coefficient characteristic parameter matrix of the sound signal (202); determining whether the signal characteristic matches a cough signal characteristic model that is based on a support vector data description algorithm and that is obtained in advance (203); and if yes, determining that the sound signal is a cough sound (204). By means of the method and the device, a cough sound can be recognized, so that the cough condition can be monitored by monitoring a sound sent by a user, and the user does not need to wear any detection component. A recognition algorithm based on MFCC characteristic parameters and an SVDD model is used, accordingly, the complexity of the algorithm is low, the amount of computing is low, requirements on hardware are low, and product manufacturing costs are reduced.
(FR) La présente invention porte sur un procédé et un dispositif de reconnaissance de son de toux, et un support d'informations. Le procédé consiste à : échantillonner un signal sonore et obtenir une matrice de paramètres caractéristiques de coefficient cepstral de fréquence Mel du signal sonore (201) ; extraire une caractéristique de signal de la matrice de paramètres caractéristiques de coefficient cepstral de fréquence Mel du signal sonore (202) ; déterminer si la caractéristique de signal correspond à un modèle caractéristique de signal de toux qui est basé sur un algorithme de description de données de vecteur de support et qui est obtenu à l'avance (203) ; et, si c'est le cas, déterminer que le signal sonore est un son de toux (204). Au moyen du procédé et du dispositif, un son de toux peut être reconnu, de sorte que l'état de toux puisse être surveillé par surveillance d'un son envoyé par un utilisateur, l'utilisateur n'ayant pas à porter un élément quelconque de détection. Un algorithme de reconnaissance basé sur des paramètres de caractéristique MFCC et sur un modèle SVDD est utilisé ; par conséquent, la complexité de l'algorithme est faible, la quantité de calcul est faible, les exigences sur le matériel sont faibles, et les coûts de fabrication du produit sont réduits.
(ZH) 一种咳嗽声音识别方法、设备和存储介质,所述方法包括:采样声音信号并获取所述声音信号的梅尔频率倒谱系数特征参数矩阵(201);从所述声音信号的梅尔频率倒谱系数特征参数矩阵中提取信号特征(202);确认所述信号特征是否匹配预先获取的基于支持向量数据描述算法的咳嗽信号特征模型(203);如果匹配,则确认所述声音信号为咳嗽声音(204)。所述方法、设备能对咳嗽声音进行识别,从而能够通过监测使用者发出的声音对咳嗽情况进行监测,无需使用者佩戴任何检测部件。且由于采用基于MFCC特征参数和SVDD模型的识别算法,算法复杂度低、计算量少,从而对硬件要求低,降低了产品制造成本。
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)