44、基于恒定Q变换的婴儿哭声分类特征研究

基于恒定Q变换的婴儿哭声分类特征研究

1. 引言

婴儿啼哭是其与父母或照顾者交流的主要方式，哭声中蕴含着诸如情感需求、生理需求或病理需求等信息。然而，即便经验丰富的母亲和照顾者，也常常难以精准判断婴儿啼哭的具体原因。婴儿哭声研究涉及韵律工程、神经学工程等多个领域，其中正常与病理性婴儿哭声的分类研究具有重要意义。世界卫生组织（WHO）指出，若能在婴儿出生后第一周进行早期诊断和治疗，婴儿死亡率有望降低三分之二。

早期的婴儿哭声研究始于20世纪60年代，最初主要分析正常婴儿哭声，后来扩展到病理性哭声，发现发声障碍和发声亢进等哭声模式与病理状况相关。此前的研究多使用窄带频谱图来捕捉基频及其谐波的变化。在特征提取方面，虽然已有如梅尔频率倒谱系数（MFCC）等先进特征集用于婴儿哭声分类，但短时傅里叶变换（STFT）在MFCC中的应用存在时间 - 频率分辨率一致、不具备形式不变性等问题。而恒定Q变换（CQT）的窗口是时间和频率的函数，能保留形式不变性。同时，婴儿对音乐有天生的偏好，其旋律轮廓（基频及其谐波）尤为重要，因此受CQT在西方音乐中提高音符分辨率研究的启发，本文提出了基于CQT频谱分解的恒定Q谐波系数（CQHC）和恒定Q音高系数（CQPC）用于婴儿哭声分类。

2. 提出的方法

2.1 恒定Q变换（CQT）

CQT是一种频率变换，具有与西方音乐调音一致的对数分辨率，其窗口大小随频率增加而减小，这得益于恒定的品质因数（Q），从而实现对数分辨率。
设 $x(n)$ 为以采样频率 $F_s$ 获得的离散时间语音信号，其STFT为：
$X(\omega, \tau) = \sum_{n=-\infty}^{\infty} x(n