买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉复旦大学申请的专利基于非语言音频特征识别的夜磨牙实时诊断方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116312647B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310091119.3，技术领域涉及：G10L25/66；该发明授权基于非语言音频特征识别的夜磨牙实时诊断方法和系统是由周伟;刘骁设计研发完成，并于2023-02-09向国家知识产权局提交的专利申请。

本基于非语言音频特征识别的夜磨牙实时诊断方法和系统在说明书摘要公布了：本发明属于计算机辅助诊断技术领域，具体为一种基于非语言音频特征识别的夜磨牙实时诊断方法和系统。本发明包括在睡眠状态的环境下采集音频；将音频通过分帧方法，将非平稳信号转化为短时平稳信号；对音频样本进行多种时域特征和多种频域特征的提取，并结合每个不同帧的多种特征数组总结出方差分布和均值分布的特征组；通过机器学习模型优选夜磨牙诊断最佳预测模型。本发明能在复杂睡眠环境中高准确率的识别磨牙的发生及其他睡眠状态的发生，无需用更多的计算资源去对音频信号进行去噪滤波等预处理，能以简单的流程实现对夜磨牙无接触监测诊断，可避免患者感觉不舒适性的同时，为后续夜磨牙症的实施干预提供实用参考和理论分析依据。

本发明授权基于非语言音频特征识别的夜磨牙实时诊断方法和系统在权利要求书中公布了：1.一种基于非语言音频特征识别的夜磨牙实时诊断方法，其特征在于，具体步骤为： 步骤S1,音频采集：使用音频采集模块在睡眠环境下采集音频数据； 步骤S2，分帧与降采样：将采集到的音频数据通过时间域上的分帧方法，将非平稳音频信号转化为短时平稳音频信号，且降低一半的采样频率； 步骤S3，特征提取：对分帧之后的音频样本提取时域特征和频域特征，以及时频域特征； 包含以下子步骤： 步骤S3-1，提取时域特征，其时域特征为AE、EMS、ZCR，具体计算方式如下： AE计算式为: EMS计算式为: ZCR计算式为: 式中，sk表示语音信号，k是语音信号采样点数的坐标，K代表一帧语音信号的采样点数，t表示第t帧的语音信号；即t*k代表第t帧的首个采样点的位置，t+1*k-1代表第t帧的末尾采样点的位置，sgn为符号函数； 步骤S3-2，提取频域特征，频域特征为BER、SC、BW、SR，其计算方式如下： BER计算式为: SC计算式为: BW计算式为: SR计算式为: 上述式中，t表示第t帧的语音信号，mtn代表第t帧的信号，n为第n个采样点，F代表频带比中选取的分隔频率,N表示每一帧的采样点数，fc代表满足不等式的频谱点，mi代表能量； 在频域特征上，补充谐波与感知Harmonicsandperception特征，其计算式为: Ht＝A*sin2*pi*f*t+phi，8 S＝K*10L10，9 其中，Ht是谐波的幅度函数，表示谐波在时间t处的幅度；A是谐波的振幅，表示谐波的最大幅度；f是谐波的频率，单位是赫兹；t是时间，单位是秒；phi是谐波的相位，表示谐波相对于基频的相位差；S是声压级，L是声强度级，K是常数； 步骤S3-3，提取时频域特征，即梅尔倒谱系数MFCC；对S2步骤中的每一帧进行FFT变换，求出频谱，进而得到幅度谱，对幅度谱加上Mel滤波器组，对滤波器组输出做对数运算，最后进一步做离散余弦变换DCT，得MFCC，表达式如下： 其中，i为第i个MFCC系数，N为每一帧的采样点数，l为第l个滤波器，ml代表每个滤波器的输出，L为总的滤波器个数； 步骤S4，特征组归结：根据每个不同帧的多种特征数组，总结出多种时域方差分布和均值分布的特征组，以及多种频域方差分布和均值分布的特征组； 步骤S5，机器学习模型选优：基于上述时域、频域、时频域的特征组，输入多个机器学习模型，选择夜磨牙预测最优模型，用于对夜磨牙的诊断评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。