一种新颖的多质心模板匹配算法及其在咳嗽检测中的应用
声音
2021-09-07 v2 人机交互
机器学习
音频与语音处理
摘要
咳嗽是呼吸系统相关疾病的主要症状。已有大量工作从音频中检测咳嗽，但尚未有仅利用惯性测量单元（IMU）识别咳嗽的尝试。咳嗽会引起全身运动，尤其体现在颈与头部。因此，头戴 IMU 传感器捕获的咳嗽时头部运动数据可被用于通过模板匹配算法检测咳嗽。在时序模板匹配问题中，K 近邻（KNN）结合弹性距离度量（尤其是动态时间规整（DTW））取得了卓越性能，但常被认为耗时过高。此后提出了最近质心分类器，但其精度受限于每类仅得一个质心。基于质心的分类器执行聚类与各类平均，但需手动设定聚类数。我们提出一种新颖的自调谐多质心模板匹配算法，可自动调整聚类数以平衡精度与推理时间。通过在合成数据集与真实世界耳塞式咳嗽数据集上的实验，我们证明了所提算法的优越性，并给出了基于耳塞平台单加速度计传感器的咳嗽检测结果。
引用
@article{arxiv.2109.00630,
title = {A Novel Multi-Centroid Template Matching Algorithm and Its Application to Cough Detection},
author = {Shibo Zhang and Ebrahim Nemati and Tousif Ahmed and Md Mahbubur Rahman and Jilong Kuang and Alex Gao},
journal= {arXiv preprint arXiv:2109.00630},
year = {2021}
}