【技术实现步骤摘要】
本专利技术涉及信号处理，具体涉及一种oae信号提取模型的构建方法及构建装置。
技术介绍
1、oae（耳声发射）信号是一种由耳蜗产生的微弱声波，它在听力检测和诊断中扮演着重要角色，然而，由于oae信号非常微弱所以很容易受到环境噪声的影响，现有技术通常使用传统的信号处理技术，如带通滤波、波形匹配和相关性分析来提取oae信号，尽管这些方法在一定程度上有效，但它们对噪声同样敏感，特别是在低信噪比条件下，所以在噪声的水平较高或oae信号弱于平均水平时的提取效果会显著下降，也无法处理一些非线性的信号特征，另外，现有技术在使用时需要调整大量的参数，所以对操作者的要求较高，操作者的技术水平同样会影响oae信号提取的纯净程度。
2、综上所述，如何有效抑制噪声，并可以自动化的提取高鲁棒性的oae信号是现有技术亟需解决的问题。
技术实现思路
1、本申请实施例提供了一种oae信号提取模型的构建方法，通过构建多尺度降噪模块来使用不同大小的卷积层提取声音信号中不同频率范围内的特征并聚合，从而达到有效去噪、增强oae信号的效果，并且结合缩放点积注意力机制进行输出从而提取到纯净的oae信号，构建好的模型完成无需人工参与，可自动化的进行oae信号的提取。
2、第一方面，本申请实施例提供了一种oae信号提取模型的构建方法，所述方法包括：
3、构建特征提取模块，所述特征提取模块被训练用于通过多个大小相同的卷积层对标记有oae信号强度的声源信号进行特征提取得到信号特征；
4
5、构建时序捕捉模块，所述时序捕捉模块被训练用于捕捉降噪特征中的时间依赖关系得到时序特征；
6、构建结果输出模块，所述结果输出模块被训练用于通过缩放点积注意力计算将所述时序特征输出为oae信号；
7、其中，所述oae信号提取模型包括特征提取模块、多尺度降噪模块、时序捕捉模块以及结果输出模块，训练完成的oae信号提取模型用于提取待提取声源信号中的oae信号，所述待提取声源信号为未标记oae信号强度的声源信号。
8、第二方面，本申请实施例提供了一种oae信号提取模型的构建装置，包括：
9、特征提取模块，所述特征提取模块被训练用于通过多个大小相同的卷积层对标记有oae信号强度的声源信号进行特征提取得到信号特征；
10、多尺度降噪模块，所述多尺度降噪模块被训练用于通过并联多个不同大小的卷积层分别提取信号特征中的不同频率的子信号特征，并以级联的方式将不同频率的子信号特征聚合得到降噪特征；
11、时序捕捉模块，所述时序捕捉模块被训练用于捕捉降噪特征中的时间依赖关系得到时序特征；
12、结果输出模块，所述结果输出模块被训练用于通过缩放点积注意力计算将所述时序特征输出为oae信号，其中所述oae信号提取模型包括特征提取模块、多尺度降噪模块、时序捕捉模块以及结果输出模块，训练完成的oae信号提取模型用于提取待提取声源信号中的oae信号，所述待提取声源信号为未标记oae信号强度的声源信号。
13、第三方面，本申请实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行一种oae信号提取模型的构建方法。
14、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括一种oae信号提取模型的构建方法。
15、本专利技术的主要贡献和创新点如下：
16、本申请实施例在特征提取模块中使用较大的卷积层来进行特征提取，可以更好的捕捉声源信号中的连续长时信息，使特征提取的更加准确，更有助于模型从提取的特征中学习到有用信息；本方案通过通过构建多尺度降噪模块来使用不同大小的卷积层提取声音信号中不同频率范围内的特征并聚合，从而达到有效去噪、增强oae信号的效果；并且本方案为了避免多尺度降噪模块造成的梯度爆炸，在多尺度降噪模块后设置一残差块以及深度可分离卷积层，保证模型参数量的正常；本方案中的输出模块通过缩放点积注意力机制进行输出从而提取到纯净的oae信号，构建好的模型完成无需人工参与，可自动化的进行oae信号的提取。
17、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种OAE信号提取模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种OAE信号提取模型的构建方法，其特征在于，所述特征提取模块中的每一卷积层大小为16×1，步长为2。
3.根据权利要求1所述的一种OAE信号提取模型的构建方法，其特征在于，所述多尺度降噪模块由并联第一卷积层、第二卷积层、第三卷积层构成，第一卷积层、第二卷积层、第三卷积层分别用于对所述信号特征中不同频率的子信号特征进行提取，其中，所述第一卷积层为1×1卷积，所述第二卷积层为3×1卷积，所述第三卷积层为5×1卷积。
4.根据权利要求3所述的一种OAE信号提取模型的构建方法，其特征在于，在所述多尺度降噪模块中额外添加最大池化层，所述最大池化层与第一卷积层、第二卷积层以及第三卷积层进行并联，所述最大池化层用于对信号特征进行最大池化得到池化结果，将池化结果与不同频率的子信号特征以级联的方式聚合得到降噪特征。
5.根据权利要求1所述的一种OAE信号提取模型的构建方法，其特征在于，在所述多尺度降噪模块后构建一个残差块对所述降噪特征进行处理后得到残差特征，再
6.根据权利要求1所述的一种OAE信号提取模型的构建方法，其特征在于，所述时序捕捉模块为双向LSTM层。
7.根据权利要求1所述的一种OAE信号提取模型的构建方法，其特征在于，所述输出模块包括缩放点积注意力计算单元、反卷积单元以及输出单元，所述缩放点积注意力计算单元用于对所述时序特征进行缩放点积注意力计算得到注意力结果，所述反卷积单元用于将所述注意力结果的维度调整为与输入的声源信号的维度相同，所述输出单元使用激活函数进行输出。
8.一种OAE信号提取模型的构建装置，其特征在于，包括：
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1-7任一所述的一种OAE信号提取模型的构建方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1-7任一所述的一种OAE信号提取模型的构建方法。
...【技术特征摘要】
1.一种oae信号提取模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种oae信号提取模型的构建方法，其特征在于，所述特征提取模块中的每一卷积层大小为16×1，步长为2。
3.根据权利要求1所述的一种oae信号提取模型的构建方法，其特征在于，所述多尺度降噪模块由并联第一卷积层、第二卷积层、第三卷积层构成，第一卷积层、第二卷积层、第三卷积层分别用于对所述信号特征中不同频率的子信号特征进行提取，其中，所述第一卷积层为1×1卷积，所述第二卷积层为3×1卷积，所述第三卷积层为5×1卷积。
4.根据权利要求3所述的一种oae信号提取模型的构建方法，其特征在于，在所述多尺度降噪模块中额外添加最大池化层，所述最大池化层与第一卷积层、第二卷积层以及第三卷积层进行并联，所述最大池化层用于对信号特征进行最大池化得到池化结果，将池化结果与不同频率的子信号特征以级联的方式聚合得到降噪特征。
5.根据权利要求1所述的一种oae信号提取模型的构建方法，其特征在于，在所述多尺度降噪模块后构建一个残差块对所述降噪特征进行处理后得到残差特征，再使...
【专利技术属性】
技术研发人员：王双杰，贾仿杰，郭凯龙，李耀祖，吴郁夫，
申请(专利权)人：杭州爱华仪器有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。