코골이와 음성을 구별하는 방법?

배경 : 나는 잠자는 동안 코골이 / 호흡을 "듣고"수면 무호흡 징후 ( "수면 실험실"의 사전 화면으로 표시)를 결정 하는 iPhone 응용 프로그램 ( 여러 다른 게시물 에서 언급)에서 작업 하고 있습니다. 테스트). 이 응용 프로그램은 주로 코골이 / 호흡을 탐지하기 위해 "스펙트럼 차이"를 사용하며 수면 실험실 기록 (실제로는 시끄러운 소음)에 대해 테스트 할 때 상당히 효과적입니다 (약 0.85--0.90 상관 관계).

문제점 : 대부분의 "침실"소음 (팬 등) 여러 기술을 통해 걸러 낼 수 있으며 종종 사람의 귀가 감지 할 수없는 S / N 수준에서 호흡을 안정적으로 감지합니다. 문제는 음성 잡음입니다. 텔레비전이나 라디오가 백그라운드에서 실행되는 것 (또는 단순히 누군가가 멀리서 말하는 것)이 드문 일이 아니며, 목소리의 리듬이 호흡 / 코골음과 밀접하게 일치합니다. 사실, 필자는 필자 저자 인 빌 홀름 (Bill Holm)을 앱을 통해 녹음했으며, 리듬, 레벨 변동성 및 기타 여러 가지 방법으로 코골이하는 것과 본질적으로 구별 할 수 없었습니다. (물론 적어도 깨어있는 동안에는 수면 무호흡증이 없었습니다.)

그래서 이것은 약간 긴 샷 (그리고 아마도 포럼 규칙의 연장)이지만 음성을 구별하는 방법에 대한 아이디어를 찾고 있습니다. 우리는 어떻게 든 코골이를 걸러 낼 필요는 없지만 (좋은 것으로 생각 될 수도 있음) 오히려 지나치게 지나치게 오염 된 "너무 시끄러운"소리를 거부하는 방법이 필요합니다.

어떤 아이디어?

게시 된 파일 : dropbox.com에 일부 파일을 배치했습니다.

• Epica_Storm_the_Noisy_Sorrow_minus_10dB_wav.dat

• Holm_5db_noisy_wav.dat

• recordedFile20120408010300_first_ten_wav.dat

첫 번째는 다소 무작위적인 록 음악이고, 두 번째는 빌 홀름 말의 녹음입니다. 둘 다 (소음의 샘플로 사용되는 코골이와 구별됨) 두 가지 신호를 혼동시키기 위해 노이즈와 혼합되었습니다. (이것으로 파일을 식별하는 작업이 훨씬 더 어려워집니다.) 세 번째 파일은 첫 번째 1/3이 대부분 호흡하고 중간 3 분의 1이 혼합 호흡 / 코골이이고 마지막 3 분의 1이 상당히 안정적인 코골이를 기록하는 10 분 분량의 기록입니다. (여러분은 기침을합니다.)

많은 브라우저에서 wav 파일을 다운로드하기가 어렵 기 때문에 세 파일 모두 ".wav"에서 "_wav.dat"로 이름이 바뀌 었습니다. 다운로드 후 ".wav"로 다시 이름을 바꾸십시오.

업데이트 : 엔트로피가 나를 위해 "트릭을하는 것"이라고 생각했지만, 내가 사용하고있는 테스트 사례의 특성과 너무 잘 설계되지 않은 알고리즘으로 밝혀졌습니다. 일반적으로 엔트로피는 나를 위해 거의하지 않습니다.

그런 다음 초당 약 8 번 샘플링 된 전체 신호 크기 (전력, 스펙트럼 플럭스 및 기타 여러 측정 값)의 FFT (여러 다른 창 기능 사용)를 계산하는 기술을 시도했습니다 (주 FFT 사이클에서 통계 가져 오기) 1024/8000 초마다). 1024 개 샘플의 경우 약 2 분의 시간 범위가 포함됩니다. 나는 코골이 / 호흡 대 음성 / 음악의 느린 리듬으로 인해 이것에서 패턴을 볼 수 있기를 바 랐고 (또한 " 변이성 "문제 를 해결하는 더 좋은 방법 일 수 있음 ) 힌트가 있지만 여기저기서 패턴을 만들 수 있습니다.

( 추가 정보 : 경우에 따라 신호 크기의 FFT는 약 0.2Hz에서 강한 피크와 계단 형 고조파를 갖는 매우 뚜렷한 패턴을 생성하지만 패턴은 대부분 거의 구별되지 않으며 음성과 음악은 덜 뚜렷하게 생성 될 수 있습니다. 성능 지수에 대한 상관 관계 값을 계산할 수있는 방법이있을 수 있지만 약 4 차 다항식에 대한 곡선 맞춤이 필요하고 전화기에서 1 초에 한 번 수행하는 것은 실용적이지 않은 것으로 보입니다.)

또한 스펙트럼을 나눈 5 개의 개별 "대역"에 대해 동일한 평균 진폭의 FFT를 시도했습니다. 밴드는 4000-2000, 2000-1000, 1000-500 및 500-0입니다. 처음 4 개의 대역에 대한 패턴은 일반적으로 전체 패턴과 유사하지만 (실제 "스탠드 아웃"대역이없고 종종 고주파 대역에서 소멸하는 작은 신호가 있지만) 500-0 대역은 일반적으로 임의입니다.

바운티 : 나단에게 지금까지 가장 생산적인 제안 이었기 때문에 새로운 것을 제공하지는 않았지만 나단에게 바운티 를 줄 것입니다. 그래도 좋은 아이디어를 얻었 으면 다른 사람에게 기꺼이 수여 할 몇 가지 요점이 있습니다.

배경

아래 논문에 따르면, 코골이는 약 130Hz에서 피크를 특징으로하며 12kHz 아래로 완전히 집중되어 있습니다.

• 홈 케어를위한 야간 수면 분석에서 비 침습적 센서 기반 휴먼 상태
• 수면 장애 조사를위한 효율적이고 빠른 코골이 탐지 방법
• 수면 음의 코골이 / 코골이 분류를위한 효율적인 방법

우리가 이것을 활용할 수 있는지 봅시다.

MATLAB 예제

우리는이 아이의 코골이의 빈약 한 기록 ; 10 분, 8 비트 모노 WAV 파일. 샘플링 속도는 8KHz이며 오디오 신호의 대역폭은 4KHz입니다. 레벨이 매우 낮아서 먼저 컴 팬딩 합니다.

[snd,fs]=wavread('recordedFile20120408010300_first_ten_minutes');
cmp=compand(snd,255,1);
wavwrite(cmp,'companded'); % used for listening purposes
[s,f,t,p]=spectrogram(snd,hann(8192));
surf(linspace(0,600,length(t)),f/pi,10*log10(p),'edgecolor','none'); 
axis tight; view(0,90);

y 축은 대역폭 4KHz로 정규화되므로 0.1에서 볼 수있는 노치는 400Hz의 주파수에 해당합니다. ~ 186s의 기침에 해당하는 스파이크가 있습니다. 무시하십시오. 우리는 각 코골이 동안 노치를 볼 수 있습니다. 뿐만 아니라 0.2 x 4KHz = 800Hz 이하로 집중되어있는 것 같습니다. 좀 더 자세히 살펴 보자.

idx_max_freq=round(0.2*length(f));
surf(linspace(0,600,length(t)),fs*f(1:,idx_max_freq:)/(2*pi),10*log10(p(1:idx_max_freq,:)),'edgecolor','none');
axis tight; view(0,90);

이번에는 주파수 축이 Hertz로 표시되었습니다. 이제 노치는 매우 분명합니다. 60Hz (180Hz, 300Hz, 420Hz)에서 시작하는 전력선 노이즈의 톤을 볼 수도 있습니다. 이제 알고리즘의 본질이 나온다. 라인 노이즈가 제거 된 상태에서이 서브 밴드의 에너지를 기준으로 신호를 분류하자.

freq_list=round([1:57 63:177 183:297 303:417 423:800]*idx_max_freq/800);
y=10*log10(sum(p(freq_list,:)));
plot(linspace(0,600,length(y)),y-median(y))
stem(linspace(0,600,length(y)),y-median(y)>.5*std(y))

화려하게 만들고 싶다면 대형 스파이크를 버릴 수 있습니다.

stem(linspace(0,600,length(y)),(y-median(y)>.5*std(y)).*(y-median(y)<5*std(y)))

첫 번째 플롯에서 신호를 식별하는 데 어려움이있는 낮은 SNR은 표준 편차의 절반 (값이 4.1 임) 만 있음을 의미합니다. 줄기는 코를 표시합니다.

여기에 모든 가능성을 다루기 위해 이것을 던지면 엔트로피를 사용할 수 있습니다. 코골이 대 언어의 엔트로피 수준이 무엇인지 알지 못하지만 그것이 충분히 다른 경우에는 효과가 있습니다. http://www.ee.columbia.edu/~dpwe/papers/ShenHL98-endpoint.pdf

아마도 시간 영역 통계? 코골이는 비교적 오랜 기간 동안 안정된 상태를 유지하는 반면, 음성 에너지는 단기간에 걸쳐 상당히 변합니다. 이것은 스펙트럼 분석과 결합 될 수도 있습니다. 모음은 더 낮은 주파수 내용과 더 높은 자음을 갖습니다. 스피치 동안, 스펙트럼은 이들 상태들 사이에서 빠르게 앞뒤로 튀어 나오는 반면, 저장은 더 오랜 기간 동안 하나의 상태로 유지 될 수있다.

시간이 지남에 따라 스펙트럼 복잡성. 나는 인간의 말이 아마도 더 많은 음소를 사용하고, 코골이 음소 시퀀스보다 시퀀싱에서 통계적으로 훨씬 더 복잡하다는 가설을 세울 것이다.

실제로 특정 음소 나 문장을 정확하게 인식 할 필요가없고 음소가 들리는 스펙트럼 세그먼트의 수와 시퀀스의 통계적 복잡성 측정 (엔트로피 또는 압축성 테스트가 작동 할 수 있습니다). 그런 다음 이러한 측정 값에 대한 신뢰할 수있는 임계 값을 결정할 수 있는지 확인하십시오.