具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的基于特征选择与迁移学习的语音抑郁状态识别方法作具体阐述。

<实施例1>

图1是本发明实施例的基于特征选择与迁移学习的语音抑制状态识别方法流程图。

如图1所示，本发明实施例的基于特征选择与迁移学习的语音抑制状态识别方法包括如下步骤：

步骤S1，语音信息采集，使用录音设备采集语音，设计不同言语任务类型的问题，被试根据屏幕上的提示进行回答，使用录音设备采集被试完整的说话过程，并将其记录为wav文件，该文件即为语音样本。

步骤S2，语音信号预处理，对采集到的语音样本进行预处理，人工筛查排除明显的噪音片段，如咳嗽、东西掉落的声音，并进行高通滤波、降采样、静音片段检测和移除。

本实施例1中，采用截止频率为137.8Hz的二阶巴特沃斯滤波器进行高通滤波，降低低频噪音对人声有效信息的干扰；用工具包librosa将语音信号统一采样到16000hz；采用工具包Pyaudioanalysis进行有声片段和静音片段的检测并去除非语音的无声片段。短时傅里叶变换：窗长0.1s，滑动步长0.05s，选用hamming窗，NFFT＝1024。

步骤S3，语音特征提取，提取语音样本中的语音特征，包括声学特征、频域特征、停顿特征、梅尔频率倒谱系数和色度特征，见表1。

表1语音特征汇总表

如表1所示，声学特征包括基频、能量和过零率相关特征，共6个。能量特征包括声强和声强包络，过零率相关特征包括过零率、过零幅度即两个过零点间信号的最大幅值和过零间隔即两个过零点间的时间间隔。

频域特征共5个，分别是频谱中心、谱熵、频谱延展度、频谱滚降点、和频谱通量。

梅尔频率倒谱系数共13个，是语音信号处理中常用的特征。

色度特征共12个，是色度图谱和色度向量的统称，代表单位时间内12个音级中的能量，不同八度的同一音级能量累加，色度特征在音乐领域有广泛的应用，本发明将其引入抑郁识别领域。

停顿特征共3个，包括停顿次数、停顿时间占比和平均停顿时长率比。

步骤S4，计算特征统计量：计算语音特征的12个统计量，将这些统计量作为特征集。12个统计量包括：最大值、最小值、极差、均值、中位数、线性回归的截距项(时间作为自变量)、线性回归的自变量系数(时间作为自变量)、线性回归的R2(时间作为自变量)、标准差、偏度峰度以及变异系数

步骤S5，特征选择：使用Lasso模型对特征集进行特征选择，将非显著性变量的系数进行压缩，得到有效特征集。

Lasso基于惩罚函数对特征变量进行选择，通过对系数的压缩进行有效特征的提取，一般线性回归模型Y＝Xβ+ε，响应变量Y＝(y₁,y₂,…,y_n)^T，自变量X＝(X⁽¹⁾,X⁽²⁾,…,X^(m))，其中X⁽ⁱ⁾是n×1阶向量，回归系数β＝(β₁,β₂,…，β_m)^T。基于普通最小二乘估计，以加入惩罚函数的方式压缩回归系数，部分系数会被压缩至0，将系数被压缩至0的特征舍弃，剩下的特征为保留的有效特征，Lasso估计式为：

本发明是分类任务所以采用的是Lasso-Logistic回归，在Logistic回归模型参数固定的基础上比较不同的λ参数，根据最优的准确率确定超参数。惩罚系数λ通过多轮实验交叉验证调整参数来确定，尝试了λ＝1，λ＝0.1，λ＝0.01，λ＝0.005，λ＝0.001，λ＝0.0005，λ＝0.0001，λ＝0.00005，最终设置惩罚系数λ为0.005。

步骤S6，迁移学习，基于有效特征集，使用域自适应方法CORAL进行迁移学习，通过对齐二阶协方差矩阵，拉近测试集和训练集间的特征分布，得到迁移后的训练集特征。

本发明为降低因抑郁水平外其他个体因素导致的训练集、测试集之间的特征分布差异，在不泄漏抑郁标签信息的前提下，引入一种基于特征的无监督迁移学习方法：域自适应方法Correlation Alignment(CORAL)，通过对齐二阶协方差矩阵，拉近训练集与测试集的特征分布。向目标域的协方差矩阵添加白噪声信息后再进行线性变换，CORAL需要计算的只有两块：(1)源域特征和目标域特征的协方差矩阵；(2)对添加白噪声后的矩阵进行线性变换。迁移算法的具体步骤如表2所示。

表2 CORAL算法步骤

步骤S7，分类，基于训练集特征，使用XGBoost分类器模型对语音样本进行分类，并输出语音样本的分类结果。

XGBoost是一种基于Boosting框架的提升树模型，通过将多个CART决策树集成为一个强分类器来降低模型的识别误差和方差。XGBoost基于梯度下降树设定函数每次进行学习用于你和上一次预测的残差，并根据样本计算每个节点得到的分数，所有分数的和作为该样本的分类结果，将第t次迭代时要进行训练的模型设为f_t(x)，则：

即模型在t次迭代后对第i个样本的分类结果，x_i代表第i个样本，代表第t-1棵树的预测结果，f_t代表第t棵树。设定目标函数为：

OBJ(t)即迭代t次的目标函数值，为第i个样本的训练误差；是t棵树的模型复杂度之和，在目标函数中作为正则项。模型复杂度Ω由决策树节点总数T决定，决策树节点的权重系数写作：

式中为权重系数的L2范数；γ是切分叶节点的系数，用于控制节点总数；λ是正则项系数。

通过训练，基于上述目标函数评估何时终止训练。实现时采用贪婪算法遍历所有特征作为划分点，若分裂后的OBJ比分裂前大则继续分裂，若权重系数或深度超过阈值则停止分裂，避免模型过拟合。

训练完成后，即可使用该模型来对语音样本进行分类预测，判断语音样本属于抑郁被试，或者属于正常被试。并最终输出分类的结果。

本实施例还提供了三种语音抑郁状态分类结果的评价指标：Accuracy，F1分数以及AUC值。这三种评价指标的具体定义如下：

F1分数是召回率和精确率的调和平均值，取值范围[0,1]。

AUC值为受试者工作特征曲线(receiver operating characteristic curve，ROC)与坐标轴围成的面积，ROC曲线的横坐标是纵坐标是曲线处于y＝x上方，取值范围[0.5，1]。

其中，TP，FP，FN，TN的定义如表3所示。

表3语音抑郁状态分类结果混淆矩阵

上述三种评价指标的值都与分类性能正相关，值越大代表分类的结果越好。

因此，通过上述的基于特征选择与迁移学习的语音抑郁状态识别方法，实现了对被试语音片段的抑郁状态识别，得到了语音片段的分类结果，并得到了该分类结果的评价。

<实施例2>

如上所述，实施例1提供了一种基于特征选择与迁移学习的语音抑郁状态识别方法，主要包括步骤S1～步骤S6。在实际应用时，可以将实施例1的方法的各个步骤配置成对应的计算机模块，即语音采集部、预处理部、特征提取部、特征处理部、迁移学习部、分类部，这些部形成一种对语音抑郁状态进行分类识别的装置，由此，还能够提供一种基于特征选择与迁移学习的语音抑郁状态识别装置。

图2是本发明实施例的基于特征选择与迁移学习的语音抑郁状态识别装置示意图。

如图2所示，基于特征选择与迁移学习的语音抑郁状态识别装置(以下简称语音抑制状态识别装置)100包括语音采集部11，预处理部12，特征提取部13，特征处理部14，迁移学习部15，分类部16。该语音抑郁状态识别装置100用于对目标语音片段进行识别并得到识别结果，即该语音片段属于抑郁被试，或属于正常被试。

其中，语音采集部11用于采集被试的语音片段，得到语音样本，采用步骤S1的语音采集方法。

预处理部12用于对语音样本进行预处理，采用步骤S2的预处理方法。

特征提取部13用于提取语音样本中的语音特征，采用步骤S3的语音特征提取方法。

特征处理部14用于处理提取到的语音特征，得到有效特征集，采用步骤S4～S5的特征处理方法。

迁移学习部15用于进行迁移学习，得到迁移后的训练集特征，采用步骤S6的迁移学习方法。

分类部16用于对语音片段进行分类并输出结果，采用步骤S7的分类方法。

上述各个部的执行过程与基于特征选择与迁移学习的语音抑制状态识别方法中的对应步骤中描述的过程一致，在此不再赘述。

实施例作用与效果

根据本实施例提供的基于特征选择与迁移学习的语音抑郁状态识别方法，对采集的语音样本进行预处理后，提取语音特征并计算其12种统计量作为特征集，并进一步对该特征集进行特征选择与迁移学习，得到训练集特征用于语音样本的分类。其中，由于使用了Lasso模型来进行特征选择，过滤了特征中的冗余信息，保留了有效特征，因此该方法基于更少的特征，更低的模型复杂度达到更优的识别精度，解决了基于语音进行建模时特征维度较高的技术问题，同时也提升了模型效率。

另一方面，本实施例中，由于使用了基于特征的无监督迁移学习方法CORAL来进行迁移学习，可以在不泄露抑郁标签信息的前提下，通过对齐二阶协方差矩阵，拉近训练集与测试集的特征分布，减小特征分布受抑郁水平外其它因素的影响，因此解决了基于语音进行建模时特征分布受被试抑郁水平外的个体差异影响的技术问题。上述的两种方法相结合能进一步提高抑郁筛查的准确性和稳定性。

上述实施例仅用于举例说明本发明的具体实施方式，而本发明不限于上述实施例的描述范围。

例如，实施例中，Lasso模型的惩罚系数λ设置为0.005，本发明中，还可以将惩罚系数λ调整为其他合适的值，也能实现本发明的技术效果。

实施例中，分类使用的分类器模型为XGBoost，本发明中，还可以使用其他分类器模型来进行分类，例如使用LightGBM，也能实现本发明的技术效果。