一种智慧病房护理交互系统的制作方法

本发明涉及医患交互，尤其涉及一种智慧病房护理交互系统。

背景技术：

1、病房是医院为患者提供治疗与康复养护服务的主要空间，更加科技与人性化的病房空间，是医院建设者、管理者和患者们的共同追求和期盼，但是由于医院的业务数据繁多，医护人员精力有限，很难及时满足对患者在治疗以及疗养阶段的精细需求，因此，更加符合人们需求的智慧病房交互系统应运而生，现阶段，智慧病房交互系统通过打造院内物联网平台，让患者与医务人员、智能医疗设备紧密连接，近些年，智慧病房交互系统也得到大规模的发展和应用。

2、例如，中国专利：cn114882983a，该发明公开了一种智慧病房交互方法、系统及储存介质，方法包括：获取病房内患者的语音请求信息，语音请求信息携带有患者唯一编码；根据患者唯一编码查询得到关联的护士编号；根据护士编号获取对应的护士位置信息；根据护士位置信息在终端数据库中匹配满足预设条件的终端编号；将语音请求信息发送至终端编号所对应的终端以进行显示和/或播报。

3、现有技术中还存在以下问题；

4、现有技术中，未考虑需要护理的患者由于体质虚弱导致发出的语音内容比较模糊，且，患者发音拖曳、绵长无力，影响交互系统对语音内容的识别精准度，现有的交互系统难以对模糊的语音内容进行筛选删减，不能将发音不明显的干扰因素排除，造成语音识别准确率低。

技术实现思路

1、为此，本发明提供一种智慧病房护理交互系统，用以克服现有技术中患者由于体质虚弱导致发出的语音内容比较模糊，且，患者发音拖曳影响交互系统对语音内容的识别精准度的问题。

2、为实现上述目的，本发明提供一种智慧病房护理交互系统，包括：

3、采集模块，用以采集患者的语音并进行存储；

4、分析模块，其与所述采集模块连接，包括第一分析单元以及第二分析单元，所述第一分析单元用以对存储的语音数据进行解析，并构建语音数据对应的音频变化曲线，将音频变化曲线切分为若干音频变化曲线段后基于各音频变化曲线段平均幅值的差异量计算离散参数，基于所述离散参数判定音频变化曲线的类型；

5、所述第二分析单元用以对第二类型的音频变化曲线进行筛选，其中，所述第二分析单元将所述音频变化曲线切分为若干音频变化曲线段，并基于音频变化曲线段的平均幅值计算偏移参量，基于所述偏移参量识别特征曲线段，将特征曲线段筛选出，并基于特征曲线段中最大幅值与特征曲线段长度的比值判定是否需对特征曲线段进行删减，并对对应特征曲线段进行删减；

6、特征聚合模块，其与所述分析模块连接，用以基于所述音频变化曲线的类型以对应方式调用采集模块中的语音数据，其中，

7、第一方式为所述特征聚合模块调用所述音频变化曲线对应的语音数据；

8、第二方式为所述特征聚合模块调用所识别特征曲线段对应的语音数据；

9、识别模块，其与所述特征聚合模块连接，用以接收所述特征聚合模块调用的语音数据，并识别语音数据所表示的文字信息。

10、进一步地，所述第一分析单元基于各音频变化曲线段平均幅值的差异量根据公式（1）计算离散参数，

11、（1）

12、公式（1）中，e表示离散参数，n表示音频变化曲线段的数量，hi表示第i音频变化曲线段的平均幅值，表示各音频变化曲线段的平均幅值的平均值，i为大于0的整数。

13、进一步地，所述第一分析单元基于所述离散参数判定音频变化曲线的类型，其中，

14、所述分析模块将所述音频变化曲线对应的离散参数与预设的离散参数对比阈值进行对比，

15、在预设对比条件下，所述分析模块判定所述音频变化曲线为第一类型；

16、在非预设对比条件下，所述分析模块判定所述音频变化曲线为第二类型；

17、所述预设对比条件为所述离散参数大于预设的离散参数对比阈值。

18、进一步地，所述第二分析单元基于音频变化曲线段的平均幅值根据公式（2）计算偏移参量，其中，

19、（2）

20、公式（2）中，d表示偏移参量，h表示平均幅值，表示各音频变化曲线段的平均幅值的平均值。

21、进一步地，所述第二分析单元基于所述偏移参量识别特征曲线段，其中，

22、所述分析单元将音频变化曲线段对应的偏移参量与预设的偏移参量阈值进行对比，

23、若所述偏移参量大于预设的偏移参量阈值则所述分析单元识别所述音频变化曲线段为特征曲线段。

24、进一步地，所述第二分析单元基于特征曲线段中最大幅值与特征曲线段长度的比值判定是否需对特征曲线段的长度进行删减，其中，

25、若所述比值大于预设的比值阈值，则所述第二分析单元判定需对所述特征曲线的长度进行删减。

26、进一步地，所述第二分析单元对对应特征曲线段进行删减，其中，

27、所述第二分析单元基于所述比值确定删减长度，将特征曲线段的两端各删减对应长度。

28、进一步地，所述第二分析单元基于所述比值确定删减长度，其中，

29、所述分析单元中设置有若干基于所述比值确定删减长度的确定方式，各所述确定方式所确定的删减长度不同。

30、进一步地，所述特征聚合模块以对应方式调用采集模块中的语音数据，其中，

31、若音频变化曲线为第一类型，则所述特征聚合模块采用第一方式调用所述采集模块中的语音数据；

32、若音频变化曲线为第二类型，则所述特征聚合模块采用第二方式调用所述采集模块中的语音数据。

33、进一步地，所述识别模块还与外接显示屏连接，以使所述外接显示屏显示所述识别模块所识别的文字信息。

34、与现有技术相比，本发明的有益效果在于，本发明通过设置采集模块、分析模块、特征聚合模块以及识别模块，通过第一分析单元构建语音数据对应的音频变化曲线，判定音频变化曲线的类型，通过第二分析单元识别特征曲线段，并判定是否需对特征曲线段进行删减，通过特征聚合模块调用采集模块中的语音数据，并通过识别单元进行识别，进而，实现了对患者发出的模糊语音内容以及发音拖曳的语音内容进行筛选删减，将影响语音识别的发音干扰因素排除，节约算力，提高语音识别准确率。

35、尤其，本发明通过设置第一分析单元判定音频变化曲线的类型，在实际情况中，需要护理的患者可能由于身体虚弱的原因，进行语音交互的过程中，发出的语音是声音比较模糊的，且每个字的发音音调特征不明显，本发明通过将音频变化曲线对应的离散参数与预设的离散参数对比阈值进行对比，来判断采集到的语音的各个字的发音是否是清晰的，离散参数较小的音频变化曲线表明发音特征不明显，音频数据相对模糊，需要进一步分析，进而，对发音不清晰的情况进行识别，提高语音识别准确率。

36、尤其，本发明通过设置第二分析单元识别特征曲线段，通过音频变化曲线段的平均幅值计算偏移参量，基于偏移参量识别特征曲线段，在实际情况中，语音数据中对单个字的发音会在音频变化曲线上体现，音频变化曲线上对应区段的幅值较大，数据表征较为明显，本发明通过将发音较为模糊，实际情况中发音绵长、拖拽产生的语音数据舍弃，进而，将影响语音识别的发音干扰因素排除，节约算力，提高语音识别准确率。

37、尤其，本发明通过设置第二分析单元判定是否需对特征曲线段进行删减，在实际情况中，可能会有特征曲线段中最大幅值与特征曲线段长度的比值大于预设的比值阈值的情况，可以确定为语音数据中的各个字的发音绵长且无力，基于初始的截取的部分曲线段难以准确识别语音内容，因为绵长且无力的发音造成的干扰较多，基于这种状况，对特征曲线段进行删减，使得特征曲线段的总长度在保留发音特征的基础上，进一步减少干扰发音的因素，进而，提高语音识别准确率。