本發(fā)明涉及嬰兒哭聲的分析，特別涉及嬰兒啼哭原因的辯識技術(shù)。

背景技術(shù)：

啼哭是嬰兒的第一種發(fā)音方式，也是小嬰兒與外界溝通的唯一方式。有經(jīng)驗的媽媽和醫(yī)生能夠通過嬰兒哭聲了解嬰兒的情緒、需求和健康。由于現(xiàn)代社會出生率的下降，很多媽媽只有一個孩子，缺少相關(guān)的經(jīng)驗，急需技術(shù)手段來幫助年輕的媽媽們通過哭聲來了解嬰兒的需求。

201310347807.8的中國發(fā)明專利提出了一種基于深層神經(jīng)網(wǎng)絡(luò)的嬰兒啼哭聲辯識方法方法，該方法包括以下步驟：采集訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)；對所述訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)進(jìn)行分類標(biāo)注；提取每一個分類標(biāo)注的訓(xùn)練用嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)以生成訓(xùn)練用數(shù)據(jù)文件；根據(jù)所述訓(xùn)練用數(shù)據(jù)文件并采用逐層預(yù)訓(xùn)練的方式得到深層神經(jīng)網(wǎng)絡(luò)中每一層的初始權(quán)值；根據(jù)深層神經(jīng)網(wǎng)絡(luò)中所有層的初始權(quán)值并采用BP算法獲取所述深層神經(jīng)網(wǎng)絡(luò)的哭聲模型；采集待辯識的嬰兒啼哭聲數(shù)據(jù)，提取待辯識的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)；根據(jù)待辯識的嬰兒啼哭聲數(shù)據(jù)中每段音頻的梅爾域倒譜系數(shù)和所述哭聲模型進(jìn)行哭聲辯識。

本發(fā)明的發(fā)明人發(fā)現(xiàn)，上述專利中技術(shù)方案的主要的問題在于，只能給出一個啼哭原因，實際使用時，因為錄音設(shè)備的性能參差不齊，錄音者操作能力參差不齊，環(huán)境噪聲的影響等原因，導(dǎo)致這個啼哭原因的準(zhǔn)確性往往遠(yuǎn)不如宣稱的那么高。而沒有經(jīng)驗的年輕媽媽在嬰兒啼哭時本就比較慌亂，如果嘗試解決這個原因之后嬰兒還在繼續(xù)啼哭，會更為慌亂，不知所措。此外，深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練計算量很大，訓(xùn)練的時間比較長，對訓(xùn)練用的計算機(jī)設(shè)備的要求比較高。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種嬰兒哭聲的辯識方法及其系統(tǒng)，以較少的訓(xùn)練計算量，較為準(zhǔn)確地得到一段嬰兒啼哭音頻在多個啼哭原因上的概率分布。

為解決上述技術(shù)問題，本發(fā)明的實施方式公開了一種嬰兒哭聲的辯識方法，包括以下步驟：

a獲取嬰兒哭聲音頻的多段訓(xùn)練數(shù)據(jù)，每個訓(xùn)練數(shù)據(jù)對應(yīng)一個已知啼哭原因；

b對每一段訓(xùn)練數(shù)據(jù)進(jìn)行特征提取，得到每一段訓(xùn)練數(shù)據(jù)的特征參數(shù)向量；

c對所述多段訓(xùn)練數(shù)據(jù)的特征參數(shù)向量進(jìn)行主成分分析，得到多個主成分；

d計算每一種啼哭原因?qū)?yīng)的訓(xùn)練數(shù)據(jù)在各主成分上投影分值的均值和方差，根據(jù)該方差在所述多個主成分中選擇P個主成分，P為大于1的整數(shù)；

e獲取嬰兒哭聲音頻的待辯識數(shù)據(jù)，并在所述P個主成分上計算該待辯識數(shù)據(jù)的投影分值；

f根據(jù)該待辯識數(shù)據(jù)的投影分值和所述均值和方差計算該待辯識數(shù)據(jù)對應(yīng)于各個原因的概率。

在一實施方式中，所述步驟c包括以下子步驟：

所述多段訓(xùn)練數(shù)據(jù)包括N個哭聲信號樣本，對該N個哭聲信號樣本分別提取K個特征參數(shù)，其中，第n個哭聲信號提取出的K個特征參數(shù)記為特征參數(shù)向量s_n＝[s_n1,s_n2,…,s_nK]^T；

對所述N個哭聲信號樣本，計算所述K個特征參數(shù)所對應(yīng)的協(xié)方差矩陣，記為C，其中，C為K乘K的矩陣；

對所述協(xié)方差陣進(jìn)行特征值分解，得到K個特征值和相應(yīng)于該K個特征值的特征向量。

在一實施方式中，所述步驟d包括以下子步驟：

對所述協(xié)方差矩陣C進(jìn)行特征值分解，把特征值按從大到小進(jìn)行排列，得到{λ₁,λ₂,…,λ_K}，從中取特征值最大的Q個特征值及其對應(yīng)的特征向量，構(gòu)成一個Q維的特征子空間，其中Q的值取的解，g為0.9至0.99之間的一個預(yù)設(shè)置；

在這Q個主成分中，取其中的第k個主成分，該主成分的特征值記為λ_k，λ_k對應(yīng)的特征向量記為u_k，計算第n個哭聲信號的特征參數(shù)向量s_n在第k個特征向量上的投影分值；

求N個哭聲信號中屬于第j類哭聲原因的哭聲信號，記為N_j，的K個特征參數(shù)向量在第k個特征向量上投影分值的均值

和方差σ_jk

然后計算

其中

上述各式中，J表示哭聲原因的總類型個數(shù)，X_k表示哭聲信號的特征參數(shù)向量在第k個主成分的投影分值的分離度，而Y_k表示哭聲信號的特征參數(shù)向量在第k個主成分的投影分值的集中度，L_k代表各個主成分在對哭聲原因的辨別能力，L_k越大意味著其辨別能力越強(qiáng)；

按順序?qū)個主成分進(jìn)行排列，選取L_k值最大的P個主成分用于后續(xù)的哭聲原因辨識，其中P取Q和M中較小的值，而h為取值在2％-0.5％之間的一個預(yù)設(shè)值。

在一實施方式中，所述步驟f中，通過以下方式計算

第j種原因的概率

在一實施方式中，還包括以下步驟：

對選定的一組訓(xùn)練數(shù)據(jù)執(zhí)行所述步驟a、b、c和d，得到P個主成分；

根據(jù)所得的P個主成分，對該組訓(xùn)練數(shù)據(jù)中的每一個訓(xùn)練數(shù)據(jù)，分別執(zhí)行所述步驟e和f以得到該訓(xùn)練數(shù)據(jù)對應(yīng)于各個原因的概率，并計算該訓(xùn)練數(shù)據(jù)所對應(yīng)的概率最大原因，并將該概率最大原因與該訓(xùn)練數(shù)據(jù)所對應(yīng)的已知啼哭原因進(jìn)行比較；

將概率最大原因與已知啼哭原因不相同的訓(xùn)練數(shù)據(jù)從所述選定的一組訓(xùn)練數(shù)據(jù)中剔除，將剩余的訓(xùn)練數(shù)據(jù)作為新選定的一組訓(xùn)練數(shù)據(jù)再次執(zhí)行上述各步驟，如此循環(huán)直至滿足預(yù)定的退出條件。

在一實施方式中，在所述步驟f之后還包括以下步驟：

在移動終端上顯示概率最大的至少兩個原因。

在一實施方式中，所述啼哭原因包括以下原因中的任意兩種或更多種：

饑餓，想睡覺，不適，尿布濕。

在一實施方式中，所述特征提取的步驟中提取的特征包括以下特征的任意兩種或更多種：

平均哭聲持續(xù)時間、哭聲持續(xù)時間方差、平均哭聲能量、哭聲能量方差、基音頻率、基音頻率的平均值、基音頻率的最大值、基音頻率的最小值、基音頻率的動態(tài)范圍、基音頻率的平均變化率、第一共振峰頻率、第一共振峰頻率平均變化率、第一共振峰頻率平均值、第一共振峰頻率的最大值、第一共振峰頻率的最小值、第一共振峰頻率的動態(tài)范圍、第二共振峰頻率、第二共振峰頻率平均變化率、第二共振峰頻率平均值、第二共振峰頻率的最大值、第二共振峰頻率的最小值、第二共振峰頻率的動態(tài)范圍、Mel頻率倒譜參數(shù)、翻轉(zhuǎn)的Mel頻率倒譜參數(shù)。

在一實施方式中，在所述步驟b之前，還包括以下步驟：

對所述訓(xùn)練數(shù)據(jù)中的哭聲信號進(jìn)行降噪，檢測并剔取噪聲大于預(yù)定門限的數(shù)據(jù)段。

在一實施方式中，在所述步驟c之前還包括以下步驟：

對所述特征參數(shù)向量中的各特征參數(shù)進(jìn)行歸一化處理。

在一實施方式中，所述步驟c之前包括以下步驟：

根據(jù)年齡段對所述多段訓(xùn)練數(shù)據(jù)進(jìn)行分組，得到分別對應(yīng)于多個年齡段的多組訓(xùn)練數(shù)據(jù)；

在所述步驟c中包括以下步驟：

對每一組訓(xùn)練數(shù)據(jù)分別進(jìn)行主成分分析，每一個年齡段分別得到對應(yīng)的多個主成分；

在所述“在所述P個主成分上計算該待辯識數(shù)據(jù)的投影分值”的步驟中包括以下子步驟：

判斷該待辯識數(shù)據(jù)屬于哪一個年齡段，在該年齡段對應(yīng)的P個主成分上計算該待辯識數(shù)據(jù)的投影分值。

本申請還公開了一種嬰兒哭聲的辯識系統(tǒng)，包括：

訓(xùn)練數(shù)據(jù)獲取單元，用于獲取嬰兒哭聲音頻的多段訓(xùn)練數(shù)據(jù)，每個訓(xùn)練數(shù)據(jù)對應(yīng)一個已知啼哭原因；

特征提取單元，用于對每一段訓(xùn)練數(shù)據(jù)進(jìn)行特征提取，得到每一段訓(xùn)練數(shù)據(jù)的特征參數(shù)向量；

主成分分析單元，用于對所述多段訓(xùn)練數(shù)據(jù)的特征參數(shù)向量進(jìn)行主成分分析，得到多個主成分；

主成分選擇單元，用于計算每一種啼哭原因?qū)?yīng)的訓(xùn)練數(shù)據(jù)在各主成分上投影分值的均值和方差，根據(jù)該方差在所述多個主成分中選擇P個主成分，P為大于1的整數(shù)；

待辯識數(shù)據(jù)獲取單元，用于獲取嬰兒哭聲音頻的待辯識數(shù)據(jù)；

投影計算單元，用于在所述P個主成分上計算該待辯識數(shù)據(jù)的投影分值；

原因辯識單元，用于根據(jù)該待辯識數(shù)據(jù)的投影分值和所述均值和方差計算該待辯識數(shù)據(jù)對應(yīng)于各個原因的概率。

在一實施方式中，還包括預(yù)處理單元，用于對所述訓(xùn)練數(shù)據(jù)獲取單元獲取的訓(xùn)練數(shù)據(jù)中的哭聲信號進(jìn)行降噪，檢測并剔取噪聲大于預(yù)定門限的數(shù)據(jù)段，將保留下的各數(shù)據(jù)段輸出給所述特征提取單元。

在一實施方式中，還包括歸一化單元，用于對所述特征提取單元輸出的特征參數(shù)向量中的各特征參數(shù)進(jìn)行歸一化處理，將處理結(jié)果輸出給所述主成分分析單元。

本發(fā)明實施方式與現(xiàn)有技術(shù)相比，至少具有以下區(qū)別和效果：

通過從訓(xùn)練數(shù)據(jù)中提取特征參數(shù)向量以及特征參數(shù)向量的協(xié)方差矩陣，并進(jìn)行主成分分析得到并選出多個主成分，依據(jù)待辯識數(shù)據(jù)的特征參數(shù)向量在各主成分上的投影分值來確定嬰兒啼哭原因的概率分布，可以較為準(zhǔn)確地得到嬰兒啼哭原因的概率分布，容錯性較好，使缺少育兒經(jīng)驗的父母較為準(zhǔn)確地知道啼哭的可能原因，從而能夠從最大可能性開始逐一排除引起啼哭的誘因。

進(jìn)一步地，在一些不利環(huán)境下(如噪聲較大的環(huán)境)，自動判斷的準(zhǔn)確性會有一定的下降，因為在終端屏幕上顯示有多種啼哭原因，所以有較好的容錯性，不會因為終端偶而的誤判而使缺少育兒經(jīng)驗的父母失去方向。

進(jìn)一步地，通過降噪和剔取噪聲大于預(yù)定門限的哭聲數(shù)據(jù)段，可以有效提高主成分分析的準(zhǔn)確性。

進(jìn)一步地，根據(jù)年齡段對訓(xùn)練數(shù)據(jù)進(jìn)行分組，以組為單位進(jìn)行訓(xùn)練和啼哭原因辯識，可以有效地提高啼哭原因辯識的準(zhǔn)確度。

附圖說明

圖1是本發(fā)明第一實施方式一種嬰兒哭聲的辯識方法中訓(xùn)練流程示意圖；

圖2是本發(fā)明第一實施方式一種嬰兒哭聲的辯識方法中啼哭原因辯識流程示意圖；

圖3是本發(fā)明中嬰兒哭聲的辯識方法的一個優(yōu)選例的原理示意圖；

圖4是本發(fā)明第三實施方式中一種嬰兒哭聲的辨識系統(tǒng)的結(jié)構(gòu)示意圖；

圖5是本發(fā)明一個優(yōu)選例中用于嬰兒哭聲原因辨識的智能手機(jī)應(yīng)用軟件系統(tǒng)模塊示意圖。

具體實施方式

在以下的敘述中，為了使讀者更好地理解本發(fā)明而提出了許多技術(shù)細(xì)節(jié)。但是，本領(lǐng)域的普通技術(shù)人員可以理解，即使沒有這些技術(shù)細(xì)節(jié)和基于以下各實施方式的種種變化和修改，也可以實現(xiàn)本發(fā)明各權(quán)利要求所要求保護(hù)的技術(shù)方案。

特別要說明的是，本發(fā)明所稱各種啼哭原因都是指可能性，尤其是“病理”啼哭原因并非指確認(rèn)為患病，更不是指確定為患有某一種疾病，只是說明患病的可能性較大，建議到醫(yī)院檢查，以免因為嬰兒家長沒有育兒經(jīng)驗而耽誤病情。

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明的實施方式作進(jìn)一步地詳細(xì)描述。

本發(fā)明第一實施方式涉及一種嬰兒哭聲的辯識方法。該方法包括訓(xùn)練和辯識兩個流程。圖1是訓(xùn)練流程的示意圖，即根據(jù)訓(xùn)練數(shù)據(jù)訓(xùn)練出P個主成分。圖2是辯識流程的示意圖，即根據(jù)訓(xùn)練得到的P個主成分對待辯識數(shù)據(jù)進(jìn)行啼哭原因辯識。

如圖1所示，在步驟101中，獲取嬰兒哭聲音頻的多段訓(xùn)練數(shù)據(jù)，每個訓(xùn)練數(shù)據(jù)對應(yīng)一個已知啼哭原因。啼哭原因包括以下原因中的任意兩種或更多種：病理，饑餓，想睡覺，不適，肚子脹氣，想打隔，疼痛，害怕，煩躁，尿布濕?？梢岳斫猓景l(fā)明的技術(shù)方案中啼哭原因并不限于這些。

此后進(jìn)入步驟102，對訓(xùn)練數(shù)據(jù)進(jìn)行分組。分組的方式有多種，例如，

在一個實施例中，根據(jù)年齡段對多段訓(xùn)練數(shù)據(jù)進(jìn)行分組，得到分別對應(yīng)于多個年齡段的多組訓(xùn)練數(shù)據(jù)。根據(jù)年齡段對訓(xùn)練數(shù)據(jù)進(jìn)行分組，以組為單位進(jìn)行訓(xùn)練和啼哭原因辯識，可以有效地提高啼哭原因辯識的準(zhǔn)確度。

在一個實施例中，以性別和年齡段對訓(xùn)練數(shù)據(jù)進(jìn)行分組，在辯識啼哭原因時按不同的性別和年齡段進(jìn)行辯識。

在一個實施例中，以性別、種族和年齡段對訓(xùn)練數(shù)據(jù)進(jìn)行分組，在辯識啼哭原因時按不同的性別、種族和年齡段進(jìn)行辯識。

在另一個實施方式中，也可不對訓(xùn)練數(shù)據(jù)進(jìn)行分組，或者說，將所有的訓(xùn)練數(shù)據(jù)作為一組。

步驟102之后的各步驟，包括步驟103－107，都是在訓(xùn)練數(shù)據(jù)分組的基礎(chǔ)上進(jìn)行的，即對每一組訓(xùn)練數(shù)據(jù)分別執(zhí)行步驟103－107。

此后進(jìn)入步驟103，對聲音信號進(jìn)行預(yù)處理。優(yōu)選地預(yù)處理包括對訓(xùn)練數(shù)據(jù)中的哭聲信號進(jìn)行降噪，檢測并剔除噪聲大于預(yù)定門限的數(shù)據(jù)段。剔除的方式有多種，例如，

在一個實施例中，如果一個訓(xùn)練數(shù)據(jù)中存在噪聲大于預(yù)定門限的情況，可以剔除這個訓(xùn)練數(shù)據(jù)，從而保證每一個訓(xùn)練數(shù)據(jù)內(nèi)部是連續(xù)錄音的。

在一個實施例中，如果一個訓(xùn)練數(shù)據(jù)中存在噪聲大于預(yù)定門限的情況，可以只剔除這個訓(xùn)練數(shù)據(jù)中噪聲大于預(yù)定門限的那個時段中的音頻數(shù)據(jù)，保留其它的部分。

通過降噪和剔取噪聲大于預(yù)定門限的數(shù)據(jù)段，可以有效提高主成分分析的準(zhǔn)確性。

在另一個實施方式中，對訓(xùn)練數(shù)據(jù)也可以不進(jìn)行包括降噪在內(nèi)的預(yù)處理。

此后進(jìn)入步驟104，對每一段訓(xùn)練數(shù)據(jù)進(jìn)行特征提取，得到每一段訓(xùn)練數(shù)據(jù)的特征參數(shù)向量。其中，要提取的特征有多個，是預(yù)先選取好的。特征參數(shù)向量即由各預(yù)先選取好特征按預(yù)定順序組成的向量。例如，要選擇的特征為4個：F0，F(xiàn)1，F(xiàn)2，Mel頻率倒譜參數(shù)，則特征參數(shù)向量為<F0，F(xiàn)1，F(xiàn)2，Mel頻率倒譜參數(shù)>。

步驟104中可提取的特征包括以下特征的任意兩種或更多種：

平均哭聲持續(xù)時間、哭聲持續(xù)時間方差、平均哭聲能量、哭聲能量方差、基音頻率、基音頻率的平均值、基音頻率的最大值、基音頻率的最小值、基音頻率的動態(tài)范圍、基音頻率的平均變化率、第一共振峰頻率、第一共振峰頻率平均變化率、第一共振峰頻率平均值、第一共振峰頻率的最大值、第一共振峰頻率的最小值、第一共振峰頻率的動態(tài)范圍、第二共振峰頻率、第二共振峰頻率平均變化率、第二共振峰頻率平均值、第二共振峰頻率的最大值、第二共振峰頻率的最小值、第二共振峰頻率的動態(tài)范圍、Mel頻率倒譜參數(shù)、翻轉(zhuǎn)的Mel頻率倒譜參數(shù)?？梢岳斫?，本發(fā)明的其它實施方式中，可提取的特征可以并不限于這些。

此后進(jìn)入步驟105，對特征參數(shù)向量中的各特征參數(shù)進(jìn)行歸一化處理。

在另一實施方式中，也可以不對特征參數(shù)向量中的各特征參數(shù)進(jìn)行歸一化處理。

此后進(jìn)入步驟106，對每一組訓(xùn)練數(shù)據(jù)分別進(jìn)行主成分分析，每一組訓(xùn)練數(shù)據(jù)得到對應(yīng)的多個主成分。例如，如果步驟102中是以年齡段為依據(jù)進(jìn)行分組的，則每一個年齡段分別得到對應(yīng)的多個主成分。

設(shè)一組訓(xùn)練數(shù)據(jù)中包括N個哭聲信號樣本，對該N個哭聲信號樣本分別提取K個特征參數(shù)，其中，第n個哭聲信號提取出的K個特征參數(shù)記為特征參數(shù)向量s_n＝[s_n1,s_n2,…,s_nK]^T；

對N個哭聲信號樣本，計算K個特征參數(shù)所對應(yīng)的協(xié)方差矩陣，記為C，其中，C為K乘K的矩陣；

對協(xié)方差陣進(jìn)行特征值分解，得到K個特征值和相應(yīng)于該K個特征值的特征向量。

可以理解，在本發(fā)明的其它實施方式中還可以使用其它的主成分選擇方法。

此后進(jìn)入步驟107，計算每一種啼哭原因?qū)?yīng)的訓(xùn)練數(shù)據(jù)在各主成分上投影分值的均值和方差，根據(jù)該方差在多個主成分中選擇P個主成分，P為大于1的整數(shù)。一種優(yōu)選的實現(xiàn)方式如下：

對協(xié)方差矩陣C進(jìn)行特征值分解，把特征值按從大到小進(jìn)行排列，得到{λ₁,λ₂,…,λ_K}，從中取特征值最大的Q個特征值及其對應(yīng)的特征向量，構(gòu)成一個Q維的特征子空間，其中Q的值取的解，g為0.9至0.99之間的一個預(yù)設(shè)置；

在這Q個主成分中，取其中的第k個主成分，該主成分的特征值記為λ_k，λ_k對應(yīng)的特征向量記為u_k，計算第n個哭聲信號的特征參數(shù)向量s_n在第k個特征向量上的投影分值；

求N個哭聲信號中屬于第j類哭聲原因的哭聲信號(記為N_j)的特征參數(shù)向量在第k個特征向量上投影分值的均值

和方差σ_jk

然后計算

其中

上述各式中，J表示哭聲原因的總類型個數(shù)，X_k表示哭聲原因在第k個主成分分值的分離度，而Y_k表示哭聲原因在第k個主成分的集中度，L_k代表各個主成分在對哭聲原因的辨別能力，L_k越大意味著其辨別能力越強(qiáng)；

按順序?qū)個主成分進(jìn)行排列，選取L_k值最大的P個主成分用于后續(xù)的哭聲原因辨識，其中P取Q和M中較小的值，而h為取值在2％-0.5％之間的一個預(yù)設(shè)值。

在本發(fā)明的其它實施方式中，還可以使用其它的概率計算方法。

至此訓(xùn)練流程結(jié)束。

下面結(jié)合圖2詳細(xì)說明辯識流程。

在步驟201中，獲取嬰兒哭聲音頻的待辯識數(shù)據(jù)。一個優(yōu)選的方式是利用智能手機(jī)的錄音功能實時錄取嬰兒哭聲音頻。當(dāng)然也可以使用其它的設(shè)備錄音，如錄音筆，錄音機(jī)，平板電腦等等。

此后進(jìn)入步驟202，在P個主成分上計算該待辯識數(shù)據(jù)的投影分值。

如果訓(xùn)練數(shù)據(jù)是分組的，則需要判斷該待辯識數(shù)據(jù)屬于哪一個組，以便選擇與該組對應(yīng)的P個主成分計算該待辯識數(shù)據(jù)的投影分值。例如，判斷該待辯識數(shù)據(jù)屬于哪一個年齡段，在該年齡段對應(yīng)的P個主成分上計算該待辯識數(shù)據(jù)的投影分值。

此后進(jìn)入步驟203，根據(jù)該待辯識數(shù)據(jù)的投影分值和均值和方差計算該待辯識數(shù)據(jù)對應(yīng)于各個原因的概率。

其中P_j是該待辯識數(shù)據(jù)對應(yīng)于第j種原因的概率。

此后進(jìn)入步驟204，在移動終端上顯示概率最大的至少兩個原因。在一些不利環(huán)境下(如噪聲較大的環(huán)境)，只為示一種原因的自動判斷的準(zhǔn)確性會有一定的下降，因為在終端屏幕上顯示有多種啼哭原因，所以有較好的容錯性，不會因為終端偶而的誤判而使缺少育兒經(jīng)驗的父母失去方向。具體有多種實現(xiàn)的方式，例如：

在一個實施例中，系統(tǒng)中共設(shè)置有6種原因，在移動終端上顯示概率最大的3個原因及其概率。

在一個實施例中，系統(tǒng)中共設(shè)置在8種原因，在移動終端上顯示概率大于10％的所有原因及其概率。

在一個實施例中，系統(tǒng)中共設(shè)置在5種原因，在移動終端上顯示所有原因的概率。

通過從訓(xùn)練數(shù)據(jù)中提取特征參數(shù)向量，并進(jìn)行主成分分析得到并選出多個主成分分特征向量，依據(jù)待辯識數(shù)據(jù)在各主成分上的投影分值來確定嬰兒啼哭原因的概率分布，可以較為準(zhǔn)確地得到嬰兒啼哭原因的概率分布，容錯性較好，使缺少育兒經(jīng)驗的父母較為準(zhǔn)確地知道啼哭的可能原因，從而能夠從最大可能性開始逐一排除引起啼哭的誘因。

本發(fā)明第二實施方式涉及一種嬰兒哭聲的辯識方法，第二實施方式是第一實施方式方式的改進(jìn)，主要改進(jìn)之處在于，采用了循環(huán)更新的方法獲得用于辨識的主成分。本發(fā)明的發(fā)明人發(fā)現(xiàn)，部分訓(xùn)練數(shù)據(jù)可能受特殊的背景噪聲等因素影響，導(dǎo)致所得到的用于辨識的主成分的有效性減弱，而采用循環(huán)更新用于辨識的主成分的方法則可有效解決這個問題。

具體的實現(xiàn)方法如下。

對選定的一組訓(xùn)練數(shù)據(jù)執(zhí)行步驟101至107，得到P個主成分；

根據(jù)所得的P個主成分，對選定的一組訓(xùn)練數(shù)據(jù)中的每一個訓(xùn)練數(shù)據(jù)，分別執(zhí)行步驟201至203，即將每一個訓(xùn)練數(shù)據(jù)分別作為步驟201中的待辯識數(shù)據(jù)，以得到該訓(xùn)練數(shù)據(jù)對應(yīng)于各個原因的概率，并計算該訓(xùn)練數(shù)據(jù)所對應(yīng)的概率最大的原因，并將該概率最大的原因與該訓(xùn)練數(shù)據(jù)所對應(yīng)的已知啼哭原因進(jìn)行比較，如果兩者不同，則將該訓(xùn)練數(shù)據(jù)從該組訓(xùn)練數(shù)據(jù)中剔除。

將該組訓(xùn)練數(shù)據(jù)以上述方法處理一遍后，將剩余的訓(xùn)練數(shù)據(jù)作為新選定的一組訓(xùn)練數(shù)據(jù)再次執(zhí)行上述各步驟，如此循環(huán)直至滿足預(yù)定的退出條件。

退出條件可以有多種，例如，在某次循環(huán)后，如果沒有一個訓(xùn)練數(shù)據(jù)被剔除則退出循環(huán)，又如，如果達(dá)到預(yù)定的循環(huán)次數(shù)則退出循環(huán)，再如，在某次循環(huán)后，被剔除的訓(xùn)練數(shù)據(jù)的數(shù)量與剩余的訓(xùn)練數(shù)據(jù)的數(shù)量之比值小于預(yù)定的門限，等等。

下面通過一個優(yōu)選例來進(jìn)一步說明本發(fā)明技術(shù)方案的實現(xiàn)方式。

圖3為該優(yōu)選例的原理示意圖。

如圖3所示，其中步驟301至304為訓(xùn)練過程，步驟305至309為辯識過程。

在訓(xùn)練過程中，訓(xùn)練數(shù)據(jù)庫中的訓(xùn)練數(shù)據(jù)先在步驟301中進(jìn)行數(shù)據(jù)歸類及預(yù)處理，此后進(jìn)入步驟302進(jìn)行特征參數(shù)提取，此后進(jìn)入步驟303分亞組進(jìn)行主成分分析，此后進(jìn)入步驟304確定用于辨識的主成分及其參數(shù)。

在辯識過程中，待辨識哭聲數(shù)據(jù)在步驟305中發(fā)據(jù)亞組標(biāo)記挑選相應(yīng)主成分，所選挑選出的主成分被用于步驟308和309的計算。待辨識哭聲數(shù)據(jù)在步驟306中進(jìn)行數(shù)據(jù)歸類及預(yù)處理，此后在步驟307中進(jìn)行特征參數(shù)提取，此后進(jìn)入步驟308計算待辨識特征參數(shù)在主成分上的投影，此后進(jìn)入步驟309計算綜合概率，輸出辨識結(jié)果。

下面對圖3中涉及的各項具體內(nèi)容進(jìn)行詳細(xì)說明。

(1)訓(xùn)練數(shù)據(jù)庫，該訓(xùn)練數(shù)據(jù)庫為包含一組一歲以下的嬰兒哭聲信號及對應(yīng)的嬰兒年齡性別等標(biāo)記數(shù)據(jù)。每名嬰兒的數(shù)據(jù)至少包括由饑餓、疼痛、便溺、困倦這四種原因引起的哭聲(這四種原因之外的歸為其他原因)，以及這些哭聲數(shù)據(jù)的標(biāo)記信息，從而對該數(shù)據(jù)庫中的任意一段哭聲信號，其所對應(yīng)的哭泣原因都是明確的。除哭聲數(shù)據(jù)和哭聲原因標(biāo)記信息外，還包括哭泣的具體時間、所處場景(環(huán)境溫度、濕度等信息)等可選標(biāo)記信息。

(2)歸類及預(yù)處理(步驟301和306)：對哭聲信號進(jìn)行降噪，抑制背景噪聲；采用自動檢測算法，剔除噪聲特別大的數(shù)據(jù)段，從而提高進(jìn)入后續(xù)特征提取的哭聲信號的信噪比。對嬰兒的數(shù)據(jù)按年齡和性別進(jìn)行亞組劃分：出生后1-15天組，15-30天組；31-60天；61-120天組，121-180天組，大于180天組；以上按年齡分組還進(jìn)一步劃分為男嬰組和女嬰組。后續(xù)的主成分分析分別針對每個亞組單獨進(jìn)行。

(3)特征參數(shù)提取(步驟302和307)：對每一段嬰兒哭聲數(shù)據(jù)進(jìn)行特征提取，提取的具體特征包括(但不限于)：平均哭聲持續(xù)時間、哭聲持續(xù)時間方差、平均哭聲能量、哭聲能量方差、基音頻率(F0)、F0的平均值、F0的最大值、F0的最小值、F0的動態(tài)范圍(即F0的最大值與最小值之差)、F0的平均變化率、第一共振峰頻率(F1)、F1平均變化率、F1平均值、F1的最大值、F1的最小值、F1的動態(tài)范圍(即F1的最大值與最小值之差)、第二共振峰頻率(F2)、F2平均變化率、F2平均值、F2的最大值、F2的最小值、F2的動態(tài)范圍(即F2的最大值與最小值之差)、Mel頻率倒譜參數(shù)(MFCC)、翻轉(zhuǎn)的Mel頻率倒譜參數(shù)(IMFCC)。這些特征參數(shù)大部分是在本技術(shù)領(lǐng)域的現(xiàn)有文獻(xiàn)中經(jīng)常出現(xiàn)的標(biāo)準(zhǔn)定義。下面對本發(fā)明專門定義的參數(shù)做進(jìn)一步說明。嬰兒哭泣的時候聲音會表現(xiàn)出不同的斷續(xù)特征。一長段哭聲會包含多段連續(xù)哭聲，這里的平均哭聲持續(xù)時間定義為各段連續(xù)哭聲時長的均值。對應(yīng)地，哭聲持續(xù)時間方差定義為各段連續(xù)哭聲時長的方差，平均哭聲能量定義為各段連續(xù)哭聲能量的均值，哭聲能量方差定義為各段連續(xù)哭聲能量的方差。

(4)參數(shù)歸一化處理：由于各特征參數(shù)的單位和大小各不相同，所以在進(jìn)行后續(xù)的主成分分析之前需對步驟302或步驟307中得到的特征參數(shù)進(jìn)行進(jìn)行歸一化處理，從而使得各個特征參數(shù)在變換后都被歸一化成均值為0方差為1的參數(shù)。以第k個參數(shù)為例，計算各個哭聲信號的第k個參數(shù)，從而得到第k個參數(shù)的一個序列，計算這個序列的均值和方差，然后把這個序列減去均值后再除以方差，即得到一個歸一化的第k個參數(shù)的序列；這里計算得到的均值和方差這也在“待辨識哭聲數(shù)據(jù)”的“特征參數(shù)提取”步驟被調(diào)用，用于“待辨識哭聲數(shù)據(jù)”的特征參數(shù)的歸一化處理。

(5)主成分分析(步驟303)：下述主成分分析過程是針對各特定年齡階段的單一性別的一組嬰兒的訓(xùn)練組哭聲信號進(jìn)行的。設(shè)該組數(shù)據(jù)中總共有N個哭聲信號樣本，對第n個哭聲信號按照步驟302中的方法提取出K個特征參數(shù)(記為s_n＝[s_n1,s_n2,…,s_nK]^T)；然后對這N個樣本，計算這K個特征參數(shù)所對應(yīng)的協(xié)方差矩陣(記為C，為K乘K的矩陣)，然后對協(xié)方差陣進(jìn)行特征值分解得到K個特征值及其相應(yīng)的特征向量。

(6)確定用于辨識的主成分及其參數(shù)(步驟304)：對協(xié)方差矩陣C進(jìn)行特征值分解，把特征值按從大到小進(jìn)行排列，{λ₁,λ₂,…,λ_K}，取Q個特征值及其對應(yīng)的特征向量(也就是取特征值最大的Q個主成分)構(gòu)成一個Q維的特征子空間，其中Q的值取的解。進(jìn)一步，在這Q個主成分中，取其中的第k個主成分(特征值記為λ_k，其對應(yīng)的特征向量記為u_k)，計算第n個哭聲信號的特征參數(shù)向量s_n在第k個特征向量上的投影分值(即u_k·s_n)，進(jìn)一步求N個哭聲信號中屬于第j類哭聲原因的哭聲信號(記為N_j)在第k個特征向量上投影分值的均值

和方差σ_jk。然后計算

其中

上述各式中，J表示哭聲原因的總類型個數(shù)，X_k表示哭聲聲信號的特征參數(shù)向量在第k個主成分的投影分值的分離度，而Y_k表示哭聲信號的特征參數(shù)向量在第k個主成分的集中度。L_k代表各個主成分在對哭聲原因的辨別能力，L_k越大意味著其辨別能力越強(qiáng)。按順序?qū)個主成分進(jìn)行排列，選取L_k值最大的P個主成分用于后續(xù)的哭聲原因辨識，其中P取Q和M中較小的值，而

步驟304中，取了能量占到98％的那些大的主成分組合納入后續(xù)的分析。這是因為，本發(fā)明的發(fā)明人發(fā)現(xiàn)，對于特征值過小的那些特征，在進(jìn)行特征值分解的計算時，這些主成分的穩(wěn)定性存在問題。只有特征值比較大的那些主成分，其特征向量在計算時具有較好的穩(wěn)定性。這個處理方法是本發(fā)明的創(chuàng)新之一。

(7)循環(huán)更新用于辨識的主成分：步驟304“確定用于辨識的主成分及其參數(shù)”對單個亞組的所有數(shù)據(jù)進(jìn)行主成分分析，得到用于辨識的主成分及相應(yīng)參數(shù)。本發(fā)明的發(fā)明人發(fā)現(xiàn)，部分訓(xùn)練數(shù)據(jù)可能受特殊的背景噪聲等因素影響，導(dǎo)致所得到的用于辨識的主成分的有效性減弱，本發(fā)明特別提出循環(huán)更新用于辨識的主成分的方法。

在第一輪循環(huán)中，取訓(xùn)練數(shù)據(jù)集N個哭聲信號中的第n個哭聲信號s_n，調(diào)用“參數(shù)歸一化處理”步驟得到的哭聲信號s_n的歸一化的特征參數(shù)向量s_n，然后調(diào)用步驟304“確定用于辨識的主成分及其參數(shù)”中得到的的用于該組的辨識的P個“主成分”及相應(yīng)參數(shù)，計算待辯識的哭聲的特征參數(shù)向量在所選取的各個主成分方向u_k上的投影分值Z_nk＝u_k·s_n。然后計算綜合概率求解所得的j值即表示辨別出來的哭聲信號s_n所屬的哭聲原因。把辨識出來的哭聲原因和數(shù)據(jù)庫中s_n所標(biāo)記的哭聲原因進(jìn)行比較，如果兩者相同，則表示對s_n的辨識正確，如果不同，則表示對s_n的辨識錯誤。對訓(xùn)練數(shù)據(jù)集中的N個哭聲數(shù)據(jù)按哭聲信號s_n類似的流程進(jìn)行辨識，統(tǒng)計第一輪循環(huán)得到辨識的總正確率(辨識正確的哭聲數(shù)除以總哭聲數(shù)N)，記為A₁。對于第二輪循環(huán)，把第一輪中辨識錯誤的那些訓(xùn)練數(shù)據(jù)從訓(xùn)練組中剔除，用剩下的數(shù)據(jù)作為新的訓(xùn)練數(shù)據(jù)集，然后按照第一輪的步驟進(jìn)行，得到第二輪循環(huán)的辨識總正確率A₂；如此循環(huán)下去，得到第i輪循環(huán)的辨識總正確率A_i?？疾霢_i的變化，在A_i不再明顯上升或者到達(dá)第一個最大值時停止循環(huán)，取此次循環(huán)的主成分及相應(yīng)參數(shù)作為后續(xù)步驟的辨識系統(tǒng)的參數(shù)，用于對待辨識哭聲信號進(jìn)行辨識。本步驟“循環(huán)更新用于辨識的主成分”是優(yōu)選方案，并非必須的，在圖3上沒有直接體現(xiàn)，在作用上可以視作替代步驟302至304，都是輸出用于辨識的主成分及其參數(shù)。

(8)計算待辨識特證參數(shù)向量在主成分上的投影分值(步驟308)：對于待識別的哭聲信號，先經(jīng)過步驟306“數(shù)據(jù)歸類及預(yù)處理”和步驟307“特征參數(shù)提取”，調(diào)用上述“循環(huán)更新用于辨識的主成分”中獲得的辨識系統(tǒng)的參數(shù)(即主成分及均值μ_jk和方差σ_jk)，對待辨識的哭聲信號的特征參數(shù)進(jìn)行歸一化處理得到歸一化的特征參數(shù)向量s，然后調(diào)用步驟“循環(huán)更新用于辨識的主成分”中所選取的P個主成分的參數(shù)，計算待識別的哭聲的特征參數(shù)向量在所選取的各個主成分方向u_k上的投影分值Z_k＝u_k·s。

(9)計算綜合概率(步驟309)：對于步驟“循環(huán)更新用于辨識的主成分”中選取的P個主成分，計算綜合概率

求解所得的j值即表示待識別哭聲信號所屬的哭聲原因。此外，對J個哭聲原因類別分別計算得到J個P_j值，把其值按照大小從大小進(jìn)行排列，則在這個排列順序中，對應(yīng)的P_j值表示了“待辨識哭聲信號”所屬哭泣原因的可能性的大小。鑒于嬰兒哭泣的原因可能是綜合了多個因素，這里得到各個原因可能性的大小，可一并顯示出來供用戶參考。

本發(fā)明的各方法實施方式均可以以軟件、硬件、固件等方式實現(xiàn)。不管本發(fā)明是以軟件、硬件、還是固件方式實現(xiàn)，指令代碼都可以存儲在任何類型的計算機(jī)可訪問的存儲器中(例如永久的或者可修改的，易失性的或者非易失性的，固態(tài)的或者非固態(tài)的，固定的或者可更換的介質(zhì)等等)。同樣，存儲器可以例如是可編程陣列邏輯(Programmable Array Logic，簡稱“PAL”)、隨機(jī)存取存儲器(Random Access Memory，簡稱“RAM”)、可編程只讀存儲器(Programmable Read Only Memory，簡稱“PROM”)、只讀存儲器(Read-Only Memory，簡稱“ROM”)、電可擦除可編程只讀存儲器(Electrically Erasable Programmable ROM，簡稱“EEPROM”)、磁盤、光盤、數(shù)字通用光盤(Digital Versatile Disc，簡稱“DVD”)等等。

本發(fā)明第三實施方式涉及一種嬰兒哭聲的辨識系統(tǒng)。圖4是該嬰兒哭聲的辨識系統(tǒng)的結(jié)構(gòu)示意圖。該嬰兒哭聲的辨識系統(tǒng)包括：

訓(xùn)練數(shù)據(jù)獲取單元，用于獲取嬰兒哭聲音頻的多段訓(xùn)練數(shù)據(jù)，每個訓(xùn)練數(shù)據(jù)對應(yīng)一個已知的啼哭原因。

預(yù)處理單元，用于對訓(xùn)練數(shù)據(jù)獲取單元獲取的訓(xùn)練數(shù)據(jù)中的哭聲信號進(jìn)行降噪，檢測并剔取噪聲大于預(yù)定門限的數(shù)據(jù)段，將保留下的各數(shù)據(jù)段輸出給特征提取單元。

特征提取單元，用于對每一段訓(xùn)練數(shù)據(jù)進(jìn)行特征參數(shù)提取，得到每一段訓(xùn)練數(shù)據(jù)的特征參數(shù)向量。

歸一化單元，用于對特征提取單元輸出的特征參數(shù)向量中的各特征參數(shù)進(jìn)行歸一化處理，將處理結(jié)果輸出給主成分分析單元。

主成分分析單元，用于對多段訓(xùn)練數(shù)據(jù)的特征參數(shù)向量進(jìn)行主成分分析，得到多個主成分。

主成分選擇單元，用于計算每一種啼哭原因?qū)?yīng)的訓(xùn)練數(shù)據(jù)在各主成分上投影分值的均值和方差，根據(jù)該方差在多個主成分中選擇P個主成分，P為大于1的整數(shù)。

待辨識數(shù)據(jù)獲取單元，用于獲取嬰兒哭聲音頻的待辨識數(shù)據(jù)。

投影計算單元，用于在P個主成分上計算該待辨識數(shù)據(jù)的投影分值。

原因辨識單元，用于根據(jù)該待辨識數(shù)據(jù)的投影分值和均值和方差計算該待辨識數(shù)據(jù)對應(yīng)于各個原因的概率。

第一和第二實施方式是與本實施方式相對應(yīng)的方法實施方式，本實施方式可與第一和第二實施方式互相配合實施。第一和第二實施方式中提到的相關(guān)技術(shù)細(xì)節(jié)在本實施方式中依然有效，為了減少重復(fù)，這里不再贅述。相應(yīng)地，本實施方式中提到的相關(guān)技術(shù)細(xì)節(jié)也可應(yīng)用在第一和第二實施方式中。

需要說明的是，本發(fā)明各設(shè)備實施方式中提到的各單元都是邏輯單元，在物理上，一個邏輯單元可以是一個物理單元，也可以是一個物理單元的一部分，還可以以多個物理單元的組合實現(xiàn)，這些邏輯單元本身的物理實現(xiàn)方式并不是最重要的，這些邏輯單元所實現(xiàn)的功能的組合才是解決本發(fā)明所提出的技術(shù)問題的關(guān)鍵。此外，為了突出本發(fā)明的創(chuàng)新部分，本發(fā)明上述各設(shè)備實施方式并沒有將與解決本發(fā)明所提出的技術(shù)問題關(guān)系不太密切的單元引入，這并不表明上述設(shè)備實施方式并不存在其它的單元。

本發(fā)明還基于上述嬰兒哭聲原因辨識的技術(shù)方案，實現(xiàn)了一套嬰兒哭聲原因辨識的智能手機(jī)應(yīng)用軟件系統(tǒng)。該系統(tǒng)通過客戶端和服務(wù)器聯(lián)合工作的方式，讓嬰兒哭聲信號遠(yuǎn)程實時傳到服務(wù)器，在服務(wù)器上完成原因辨識并即時還回辨識結(jié)果到用戶手機(jī)的客戶端，完成哭聲原因的實時顯示。該系統(tǒng)還通過哭聲數(shù)據(jù)積累和用戶對辨識結(jié)果的反饋，不斷對辨識模型進(jìn)行更新，從而實現(xiàn)基于大數(shù)據(jù)的嬰兒哭聲意圖辨識，獲得更好的辨識效果。該系統(tǒng)包括客戶端軟件系統(tǒng)和服務(wù)器軟件系統(tǒng)，總的模塊圖如圖5。其中，客戶端軟件系統(tǒng)將包括“客戶端用戶模塊”、“數(shù)據(jù)傳輸模塊”、“辨識結(jié)果顯示模塊”和“用戶反饋模塊”；服務(wù)器軟件系統(tǒng)包括“數(shù)據(jù)傳輸模塊”、“數(shù)據(jù)分析和辨識模塊”、“數(shù)據(jù)庫管理模塊”、“數(shù)據(jù)庫”、“基于主成分分析的辨識訓(xùn)練模塊”和“系統(tǒng)和用戶管理模塊”。各個模塊的實現(xiàn)和功能說明如下：

客戶端用戶模塊：該模塊包括用戶登錄、用戶信息輸入、哭聲錄音及傳輸、哭聲原因辨識結(jié)果顯示等子模塊。

數(shù)據(jù)傳輸模塊：該模塊通過網(wǎng)絡(luò)實現(xiàn)無線傳輸用戶客戶端模塊所錄制的嬰兒哭聲數(shù)據(jù)及其他嬰兒相關(guān)信息到服務(wù)器。從客戶端傳輸?shù)椒?wù)器的數(shù)據(jù)被組織和存儲，加入原有的數(shù)據(jù)庫。該模塊還實現(xiàn)把辨識結(jié)果傳輸?shù)接脩羰謾C(jī)客戶端?？蛻舳撕头?wù)器端各有一個數(shù)據(jù)傳輸模塊，兩者相互配合完成數(shù)據(jù)傳輸。

數(shù)據(jù)分析和辨識模塊：該模塊采用上述第一實施方式中的步驟202和203中描述的方法得到用于辨識的主成分及其參數(shù)，用于計算待辨識嬰兒哭聲的特征參數(shù)向量在各選取的主成分方向上的投影分值及綜合概率，得到辨識結(jié)果，并把辨識結(jié)果輸入到“辨識結(jié)果顯示”模塊。

辨識結(jié)果顯示模塊：該模塊顯示“數(shù)據(jù)分析和辨識模塊”得到的辨識結(jié)果，同時顯示該次哭泣的各種可能原因的概率。本發(fā)明中把哭聲原因歸為五類，即饑餓、疼痛、便溺、困倦、其他。計算出待辨識哭聲對于五種哭聲原因的P_j值，然后作換算：在本發(fā)明的顯示模塊提供兩種顯示形式供用戶選擇，即柱狀圖顯示模式和餅圖顯示模式，以R_j值顯示哭聲屬于第j類原因的可能性大小。需要說明的是，這里定義的R_j值是為了方便圖形顯示辨識結(jié)果，只表示該哭聲原因?qū)儆诘趈類的可性的相對大小，能表明屬于各類原因的排序，并不表示屬于各類的可能性的嚴(yán)格比例。

用戶反饋模塊：用戶對嬰兒哭泣進(jìn)行查看和處理后，或能確認(rèn)嬰兒哭泣的原因?！坝脩舴答伳K”提供用戶對客戶端顯示出來的辨識結(jié)果進(jìn)行反饋的界面，讓用戶反饋哭泣的真實原因。如用戶有反饋，則把該反饋結(jié)果通過“數(shù)據(jù)庫管理模塊”把哭聲原因標(biāo)記到對應(yīng)的哭聲信號。這一得到原因確認(rèn)的哭聲信號將被納入后續(xù)用于更新辨識模型的訓(xùn)練數(shù)據(jù)庫。

數(shù)據(jù)管理模塊：該模塊實現(xiàn)對數(shù)據(jù)的管理，實現(xiàn)對各個用戶的數(shù)據(jù)管理和對后續(xù)用于辨識器訓(xùn)練更新的訓(xùn)練數(shù)據(jù)庫的管理。

數(shù)據(jù)庫模塊：此模塊實現(xiàn)所有用戶數(shù)據(jù)及哭聲信號的的存數(shù)和組織。

基于主成分分析的辨識訓(xùn)練模塊：該模塊主要調(diào)用有哭聲原因標(biāo)記的哭聲信號進(jìn)行主成分分析，得到辨識系統(tǒng)的各個參數(shù)，供“數(shù)據(jù)分析和辨識模塊”調(diào)用，實現(xiàn)嬰兒哭聲原因辨識。具體實現(xiàn)方法參見上述第一實施方式的步驟102至107。隨著更多數(shù)據(jù)的累積，該模塊定期根據(jù)新的訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練，更新用于哭聲原因辨識的主成分及相關(guān)參數(shù)。

系統(tǒng)和用戶管理模塊：該模塊實現(xiàn)對服務(wù)器系統(tǒng)的運行狀態(tài)的監(jiān)控和管理，并用于管理用戶信息。

需要說明的是，在本專利的權(quán)利要求書和說明書中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。本專利的權(quán)利要求書和說明書中，如果提到根據(jù)某要素執(zhí)行某行為，則是指至少根據(jù)該要素執(zhí)行該行為的意思，其中包括了兩種情況：僅根據(jù)該要素執(zhí)行該行為、和根據(jù)該要素和其它要素執(zhí)行該行為。

雖然通過參照本發(fā)明的某些優(yōu)選實施方式，已經(jīng)對本發(fā)明進(jìn)行了圖示和描述，但本領(lǐng)域的普通技術(shù)人員應(yīng)該明白，可以在形式上和細(xì)節(jié)上對其作各種改變，而不偏離本發(fā)明的精神和范圍。