申请/专利权人：杭州电子科技大学

申请日：2021-11-17

公开（公告）日：2024-04-26

公开（公告）号：CN113974607B

主分类号：A61B5/08

分类号：A61B5/08;A61B5/00;G10L25/66;G10L25/30;G10L25/87;G10L25/24

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明公开了一种基于脉冲神经网络的睡眠鼾声检测系统，先将从声音信号中提取的梅尔频率倒谱系数MFCC，特征参数经过阈值编码映射成脉冲序列作为网络输入，将传统长短期记忆网络LSTM单元中的sigmod激活和tanh激活替换成阈值激活函数，使改进后的LSTM脉冲神经单元能用于脉冲序列计算，网络在更新参数时使用高斯函数近似替代阈值激活函数，以便采用反向传播算法进行参数更新，完成网络模型的训练，实现鼾声和非鼾声的识别检测。该方法相比于传统神经网络分类检测计算量更少、更节能，可以更好地应用到集成电路和移动设备中。

主权项：1.一种基于脉冲神经网络的睡眠鼾声检测系统，包括：有声信号分离模块、有声信号标注及分类模块、特征提取模块、神经网络模型，其特征在于：所述有声信号分离模块，拾取被测者整晚的睡眠声音信号，分离出有声段信号；所述有声信号标注及分类模块，对有声段信号进行数据标注及分类，包括分出鼾声和非鼾声数据；所述特征提取模块，对标注及分类后的有声信号进行特征提取，主要提取声音信号的梅尔频率倒谱系数MFCC；所述神经网络模型为脉冲神经网络模型，包括脉冲编码单元、脉冲神经单元和归一化层，脉冲编码单元对MFCC进行脉冲编码，得到脉冲序列；脉冲神经单元包括输入门、遗忘门、输入信号调制单元和输出门，用于脉冲序列计算，其中输入门、遗忘门、输出门采用第一阈值激活函数，输入信号调制单元采用第二阈值激活函数，分别获取一组脉冲序列与上一时刻的隐藏状态，遗忘门的输出与上一时刻的单元状态计算哈达玛积，将输入门的输出和输入信号调整单元的输出计算哈达玛积，将两个哈达玛积结果相加作为当前时刻的单元状态，同时，将相加的结果与输出门的输出再次计算哈达玛积，作为当前时刻的隐藏状态；训练后的模型用于对待检测的睡眠有声段信号进行鼾声检测；所述脉冲编码单元，通过阈值θ对MFCC进行阈值脉冲编码，映射成脉冲序列，θ为动态阈值，满足高斯分布；所述脉冲神经单元，用于学习脉冲序列，其门和状态的特征为：ft＝σ1wf，hht-1+wt，xxt+bf，h+bf，xit＝σ1wi，hht-1+wi，xxt+bi，h+bi，xgt＝σ2wg，hht-1+wg，xxt+bg，h+bg，xct＝ft⊙ct-1+it⊙gtot＝σ1wo，hht-1+wo，xxt+bo，h+bo，xht＝ot⊙ct其中，ft表示遗忘门，σ1·、σ2·表示第一、第二阈值激活函数，当超过阈值θ1和θ2时，将累计输入映射成一个脉冲传递下去，ht-1表示t-1时刻的隐藏状态，xt表示一组输入序列，wf，h、bf，h表示遗忘门隐藏状态的权重系数，wf，x、bf，x表示遗忘门输入序列的权重系数，it表示输入门，wi，h、bi，h表示输入门隐藏状态的权重系数，wi，x、bi，x表示输入门输入序列的权重系数，gt表示对输入信号的调制，wg，h、bg，h表示输入信号调制隐藏状态的权重系数，wg，xxt、bg，x表示输入信号调制输入序列的权重系数，ct表示t时刻的单元状态，⊙表示矩阵计算哈达玛积，ct-1表示t-1时刻的单元状态，ot表示输出门，wo，h、bo，h表示输出门隐藏状态的权重系数，wo，x、bo，x表示输出门输入序列的权重系数，ht表示t时刻的隐藏状态；在对脉冲神经单元进行参数更新时，用高斯函数近似替代激活函数σ1·和σ2·，采用反向传播算法对网络参数进行更新；所述归一化层，与最后一个脉冲神经单元连接，进行分类输出，并保存训练好的模型。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于脉冲神经网络的睡眠鼾声检测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD