生理病征识别方法及生理病征感测系统与流程

1.本发明是有关于一种语音处理机制，且特别是有关于一种生理病征识别方法及生理病征感测系统。


背景技术：

2.根据不同时代的作息习惯或人生背景，不分年龄层皆会有肠胃问题。肠胃道就像城市主要干道，是人体废物与不好物质流通过的必经路径之一，当不好的物质长期逗留于体内，肠胃道功能就会变差，可能造成腹部不适或发炎等现象。而每年因肠胃及消化系统造成困扰的人数数以万计。但由于人们对于肠胃问题的警觉性太低，习惯自行购买成药或是误以为是短暂的急性症状便隐忍而不就医，故，此积习长久下来为肠胃种下隐忧。据此，需要一种装置能够即时判断使用者的生理病征。


技术实现要素：

3.本发明提供一种生理病征识别方法以及生理病征感测系统，可及时判断使用者的生理病征。
4.本发明的生理病征识别方法，用于识别生物体之生理状态，包括：获得声音信号；自声音信号选取多个信号片段；识别信号片段各自对应的声音类型；以及基于信号片段的声音类型及声音类型的组合排序，判断生物体的生理状态。
5.在本发明的一实施例中，其中自声音信号选取信号片段的步骤包括：自声音信号中检测各信号片段的语音起始点与语音结束点。
6.在本发明的一实施例中，其中识别信号片段各自对应的声音类型的步骤包括：自各信号片段中提取多个特征值；以及将这些特征值输入识别模型以获得各信号片段对应的声音类型。
7.在本发明的一实施例中，其中获得声音信号的步骤包括：通过设置在穿戴式装置上的声音传感器来获得声音信号。
8.在本发明的一实施例中，所述生理病征识别方法更包括：通过设置在穿戴式装置上的运动传感器来获得生物体的移动信息；以及基于移动信息产生警示通知。
9.在本发明的一实施例中，其中穿戴式装置为护腰，以获得生物体的腹部的声音信号。
10.在本发明的一实施例中，所述生理病征识别方法更包括：依据所述声音类型之一或多个组合排序识别一异常情境。
11.在本发明的一实施例中，所述异常情境对应至第一组合排序，所述第一组合排序包括无声、腹鸣、鼓胀声、痉挛声、无声。
12.在本发明的一实施例中，其中声音类型为无声、咕噜声、痉挛声、低沉声、鼓胀声、腹鸣、抽痛、饥饿、排放声其中一个。
13.本发明的生理病征感测系统，包括：声音传感器，用以感测声音信号；处理器，耦接
access memory，ram)、只读存储器(read-only memory，rom)、快闪存储器(flash memory)、硬盘或其他类似装置或这些装置的组合。储存装置130中储存有多个程序码片段，上述程序码片段在被安装后，会由处理器120来执行，以实现下述生理病征识别方法。
38.在一实施例中，处理器120及储存装置130可与声音传感器110一起设置在同一个穿戴式装置中。在另一实施例中，生理病征感测系统100还可包括设置有声音传感器110的穿戴式装置，以及另一独立电子装置(设置有图1的处理器120以及储存装置130)。将穿戴式装置配戴在生物体身上，以获得特定部位(例如腹部)的声音信号，再将所获得的声音信号传送至电子装置(例如为智能手机)来进行分析。所述电子装置与穿戴式装置之间的传输例如可通过蓝牙等近距离无线通讯技术来进行。
39.图2是依照本发明一实施例的生理病征识别方法的流程图。请参照图1、图2，在步骤s205中，通过声音传感器110来获得声音信号。在获得声音信号之后，声音传感器110将声音信号传送给处理器120进行分析处理。
40.在步骤s210中，处理器120自声音信号选取多个信号片段。处理器120自声音信号中检测各信号片段的语音起始点与语音结束点。由于声音由无声转变为有声的过程需要有经过一段观察期间才能判断准确，因而设计一组缓冲区来做为判断的标准。例如，设计a个缓冲区依照接收顺序来储存声音信号。当a个缓冲区中有b个缓冲区的声音能量皆超过一预设门槛值的情况下，便以第1个缓冲区的时间点作为语音起始点。其中，a可视情况来设定，b小于a。在此，a＝8，b＝6。另外，之后，持续依照接收顺序将接收到的声音信号储存至其他组缓冲区中。当其他组缓冲区中的所有缓冲区的声音能量皆低于一无声门槛值，便将此组缓冲区中的第1个缓冲区的时间点作为语音结束点。以此类推，可获得多个信号片段。
41.另外，也可利用端点检测(end-point detection，epd)来找出语音起始点与语音结束点。
42.接着，在步骤s215中，处理器120识别各信号片段对应的声音类型。处理器120自各信号片段中提取多个特征值，并将这些特征值输入识别模型以获得各信号片段对应的声音类型。所述识别模型例如为隐藏式马可夫模型(hidden markov model，hmm)。
43.在此，可利用梅尔倒谱系数(mel-frequency cepstrum coefficients，mfcc)来提取多个特征值。mfcc是一组用来建立梅尔倒谱的关键系数。mfcc特征值的提取包括预加重(pre-emphasis)处理、分帧(frame blocking)处理、加窗(window)处理、傅立叶变换(fourier transform)处理以及滤波器处理。
44.预加重处理：将声音信号通过一个高通滤波器h(z)来提升高频部分，使声音信号的频谱变得平坦，保持在低频到高频的整个频带中，能用同样的信噪比求频谱。其中，h(z)＝1-μz-1，式中μ的值介于0.9-1.0之间，通常取μ＝0.97。
45.分帧处理：将n个取样点集合成一个观测单位，称为帧(frame)，其大小范围约为20毫秒到40毫秒。连续两个帧之间具有一段重叠区域，重叠区域包含了m个取样点。在此，重叠范围设定为n的50％( /-10％)。其中，帧的时间长度t＝取样频率f/取样点n。例如，假设取样频率为8khz，取样点为200，则帧的时间长度为200/8000
×
1000＝25ms。一般设定帧的时间长度为25ms以及10ms的步幅，即，重叠区域为15ms。
46.加窗处理：将每一帧乘上一视窗，以增加帧左端和右端的连续性。在此使用汉明窗(hamming window)。
47.傅立叶变换处理：在经过加窗处理后，每帧还必须再经过快速傅立叶变换以得到在频谱上的能量分布。例如，使用短时距傅立叶变换(short-time fourier transform，stft)。
48.可以做一个在每个帧上计算频谱，这也称为短时傅立叶变换(stft)，其中取样点n通常是256或512，傅立叶系数nfft为512。
49.滤波器处理：将频谱能量乘以一组梅尔(mel)尺度的三角带通滤波器，求得每一个滤波器输出的对数能量(log energy)。一般而言，每个帧基本的特征向量有13维，包含了1个对数能量和12个倒谱参数。另外，还可进一步加上差分倒谱系数(delta cepstrum coefficients)，以显示倒谱系数对时间的变化，进而来调整特征向量的维度。
50.在获得多个特征值之后，进一步使用hmm等识别模型来获得各信号片段对应的声音类型。声音类型例如为无声、咕噜声、痉挛声、低沉声、鼓胀声、腹鸣或排放声等。在实际识别过程中，可更仔细地将所有发音区分为更基本的基本发音单位，例如音素(phoneme)，藉此来区别不同发音的最小声音单位，并且根据音素来建立声学模型。举例来说，可根据胃部不同状态来建立不同的音素，利用不同的音素建立声学模型(acoustic model)。
51.处理器120运用隐藏马可夫模型(hmm)，将所获得的特征值(例如，mfcc系数)和资料库的模板比较，计算两者相似的声音大小，决定辨识的结果。
52.最后，在步骤s220中，处理器120基于信号片段的声音类型及声音类型的组合排序，判断生物体的生理状态。处理器120可根据识别出的声音类型及其组合排序来判断对应的情境。例如，处理器120可将所获得的声音类型及其组合排序来比对资料库所储存的多个情境资料，藉此判断生物体(例如为使用者)的生理状态。另外，还可进一步依据声音类型来区分正常情境与异常情境，并在判定为异常情境时，发出一警示通知。
53.表1示出在不同的正常情境下所包括的声音类型的组合排序。
54.正常情境声音类型的组合排序进食后无声
→
咕噜声
→
痉挛声
→
咕噜声
→
无声进食后无声
→
痉挛声
→
鼓胀声
→
痉挛声
→
无声进食前无声
→
痉挛声
→
腹鸣
→
低沉声
→
无声
55.表2示出在不同的异常情境下所包括的声音类型的组合排序。
[0056][0057]
例如，参照表2，在获得的声音类型的组合排序为无声、腹鸣、鼓胀声、痉挛声、无声时，判定为异常情境(即，进食后-胃溃疡)。
[0058]
图3是依照本发明一实施例的生理病征感测系统的示意图。本实施例的生理病征
感测系统包括穿戴式装置310、移动装置320以及服务器330。在此，穿戴式装置310例如为护腰，移动装置320例如为智能手机，但并不以此为限。
[0059]
穿戴式装置310中设置有电池340以及微区块(microblock)350。由电池340供电给微区块350中的各个构件。微区块350包括运动传感器301、声音传感器110、信号放大器303、微控制器305以及传输介面307。微控制器305耦接至运动传感器301、声音传感器110、信号放大器303以及传输介面307。传输介面307进一步包括wi-fi模组以及蓝牙模组，利用wi-fi模组来进行远距离传输，利用蓝牙模组来进行近距离传输。
[0060]
在本实施例中，穿戴式装置310(护腰)除了保护腰部以外，还可以通过声音传感器110去收集原始信号并通过信号放大器303增强原始信号，微控制器305经由传输介面307将处理后的声音信号传送至移动装置320。
[0061]
在本实施例中，移动装置320中设置有未绘示的处理器以及储存装置，其功能与图1所示的实施例的处理器120以及储存装置130相同，可参照上述说明。储存装置中储存有一应用程序，由处理器来执行。
[0062]
在移动装置320中，通过应用程序来分析声音信号，藉此检测生物体的生理状态，并将分析处理后的资料上传至服务器330做数据的储存与配对。并且，应用程序在分析后发现异常状态(例如胃胀气、肠胃蠕动不佳等)时，还可进一步发出警示通知。例如，在移动装置320的显示器中显示“应适时放松身体”等警示讯息。另外，倘若应用程序时常检测到异常状态的发生，则在移动装置320的显示器中显示“建议寻求医生协助，以进一步判断出病因”等信息。
[0063]
另外，穿戴式装置310同时搭载运动传感器301，以检测配戴穿戴式装置310的生物体的移动信息。运动传感器301例如为三轴传感器。微控制器305通过传输介面307随时将运动传感器301所感测到的移动信息传送给移动装置320。在移动装置320中透过应用程序分析生物体的移动信息，基于移动信息产生警示通知。例如，倘若检测到使用者长时间坐着，应用程序可以文字信息或声音信息来通知使用者该起身走动，避免长时间坐在椅子上，可减少腰的负担，避免腰痛的情况以及肌力降低、骨骼关节无力。
[0064]
另外，还可在穿戴式装置310上设置一功能键，当此功能键被致能时，才开始驱动声音传感器110的运作。而当此功能键再次被致能时，则停止声音传感器110的运作。
[0065]
综上所述，本发明通过声音传感器去收集使用者身上特定部位发出的微弱声音，并加以放大其声音功率，经由收集这些数据再利用演算法进行分析，藉此找出特征值来归类出可能病情，并且与资料库所储存的训练资料进行比对。倘若出现异常情境，发出警示通知来提醒使用者。据此，可在日常生活中时时监控使用者的生理病征，并在异常状态严重之前便发现症兆进而趁早治疗。