咳嗽是临床最常见的症状之一,其病因众多,而咳嗽的性质、发作的时间与规律等在医学上具有很高的诊断价值,为医生对患者的诊断和治疗提供了很大的参考性。但是大多数患者未能完整的对自身咳嗽特征进行描述,影响了咳嗽的及时诊断和合理治疗。而在传统上,主要依靠主观措施对咳嗽进行评估,如：咳嗽反射敏感性测试、患者对自身症状的感觉、咳嗽可视模拟测评、生活质量问卷、咳嗽症状描述和患者的日记等。鉴于人为的监测缓慢且乏味,容易受主观因素影响而出错。因此,有必要设计一个具有较高有效性的咳嗽识别系统,进行咳嗽的实时监测及其特征识别。本论文的目的就是建立咳嗽的识别模型,以便为咳嗽的实时监测和自动识别。 本论文分析了国内外关于语音识别和咳嗽识别的研究现状,借鉴了语音识别的识别理论和识别技术,比较了咳嗽识别与语音识别中差异性,构建了一个由15个病人,1000个咳嗽信号组成的语音库,以Mel频率倒谱系数和Mel频率倒谱系数一、二阶差分的混合特征参数作为咳嗽识别的特征向量集,运用矢量量化(VQ)和隐马尔可夫模型(HMM)技术来进行咳嗽识别与分类。 本论文的主要内容有：1、用短时能量、短时过零率的原理及算法分析了咳嗽声的发声特点,为咳嗽声的端点检测提供理论依据；2、结合咳嗽的发音特性,详细阐述了利用短时能量和短时过零率的双门限比较法,对咳嗽信号进行端点检测,同时还论述了对于特殊的咳嗽使用二次提取的方法；3、比较了基于线性预测编码倒谱系数和基于Mel频率倒谱系数的识别结果,阐述了两种特征参数对识别精度的影响；4、分析了基于动态时间规整法、矢量量化法和隐马尔可夫模型法进行咳嗽识别的结果,提出利用基于矢量量化法对咳嗽进行初次识别,然后使用隐马尔可夫模型法作为咳嗽分类的二次识别的思想,即VQ与HMM相结合的咳嗽分类识别法,来实现咳嗽的分类识别。 实验证明,运用该VQ与HMM相结合的咳嗽分类识别系统,可以将咳嗽声和说话声区分开来并对咳嗽声进行分类,实现了对咳嗽的实时监测和自动识别。