计量学报

作者：侯晓丽, 程宏, 付辉

关键词：声学计量,帕金森症声信号,幅值微扰,周期扰动,声信号特征,压缩激励密集型网络

基金：江苏高校“青蓝工程”项目（2024年度）

根据声信号完成帕金森症（PD）的识别与测量，具有非接触与高效性等优势。由此提出一种压缩激励密集型网络的PD声信号识别与测量方法。首先将PD基础声信号特征分解为：噪声与信号能量对数之比，相对幅值微扰和周期扰动；进而设计压缩激励密集型网络提取深层PD声信号特征。采用交叉熵代价模型完成网络训练，最后将融合特征输入softmax模块实现PD识别与测量。通过收集的持续元音样本集完成实验分析可知，所提方法对健康、轻度、中等和严重PD声信号的检测准确率可达96.9%、96.8%、95.5%和97.6%。结果表明：所提方法可较准确地识别和测量健康或轻度、中度和重度PD患者声信号，并在信噪比较小时具有明显优势，且鲁棒性好。

来源：2026年第3期

《计量学报》期刊编辑部

查看计量学报杂志2026年第3期