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！

龙图腾网获悉南京邮电大学申请的专利基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法及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：CN114299996B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202111677396.X，技术领域涉及：G10L25/66；该发明授权基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法及系统是由李云;王晨哲;季薇;王传瑜;杨茗淇;符宇辰设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法及系统在说明书摘要公布了：本发明公开了一种基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法。步骤一、采集帕金森病患者持续稳定的元音，并记录帕金森病患者是否有冻结步态症状；步骤二、对语音信号进行去噪预处理，并去除静音片段；步骤三、提取多种语音特征；步骤四、利用CART算法对原始特征进行特征选择，筛选出能够有效表征冻结步态症状信息的关键特征；步骤五、训练AdaBoost模型；步骤六、将待测语音的特征向量输入模型，得到帕金森病冻结步态症状的关键特征参数。本发明使用AdaBoost算法来进行帕金森病冻结步态症状的分析，利用集成学习提高模型精度，降低了帕金森病冻结步态症状早期分析的成本。

本发明授权基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法及系统在权利要求书中公布了：1.一种基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法，其特征在于，是按以下步骤进行的： 步骤一、语音信号的采集：采集帕金森病患者持续稳定的元音，记录帕金森病患者是否有冻结步态症状； 步骤二、语音信号的预处理：对语音信号进行去噪处理，并去除静音片段； 步骤三、语音特征提取：利用语音信号处理算法提取多种语音特征； 步骤四、特征选择：利用CART算法进行特征选择，筛选出能够表征冻结步态症状的关键特征； 所述步骤四具体过程为： 数据集D的基尼指数GiniD的具体公式为： 其中pk表示样本点属于第k类的概率，K表示K个分类问题； 特征a的基尼指数GiniindexD,a定义为： 其中V代表特征a有V个可能取值；因此，选择使得划分后基尼指数最小的特征取值作为最优划分特征a*，即： a*＝argmaxa∈AGiniindexD,a； 步骤五、训练模型：采用决策树作为基分类器训练AdaBoost分类模型；所述步骤五具体过程为： 1初始化训练数据的权值分布，每一个训练样本开始时都被赋予相同的权重：1N； 其中w1i表示第i个训练样本开始时的权重，N表示样本总数； 2进行M次迭代，每次迭代进行以下步骤： a.使用具有权值分布Dm的训练数据集进行学习，得到基分类器Gmx： Gmx:x→{-1，+1} b.计算Gmx在训练数据集上的分类误差率em： 其中Gmxi表示基分类器Gmx在训练数据xi上的分类结果，yi表示训练数据xi的真实分类，wmi表示第m次迭代时样本xi的权值，P表示某个事件的概率；I表示括号内事件为真时结果为1，反之结果为0； c.计算Gmx的系数，得到基本分类器在最终分类器中的权重αm： 其中em表示Gmx在训练数据集上的分类误差率； d.更新训练数据集的权值分布： Dm+1＝wm+1,1,wm+1,2,…,wm+1,i,…,wm+1,N 其中wm+1,i表示第i个训练样本迭代m次后的更新权重；Zm表示规范化因子，exp表示以自然常数e为底的指数函数； 3组合全部的基分类器，得到最终的分类器，最终的分类结果由全部的基分类器经过加权投票表决得到： 其中fx表示各个基分类器的加权组合，Gx表示最终的分类器，sign表示符号函数； 步骤六、语音分析：将待测语音的特征向量输入模型，得到待测者冻结步态症状的关键特征参数。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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”。