一种基于深度学习的轻量级咳嗽声检测方法及系统

本发明公开了一种基于深度学习的轻量级咳嗽声检测方法及系统包括，采集音频信号并进行预处理，去除直流偏移和低频噪声，得到零均值信号；通过深度学习模型分析信号的能量分布和瞬时频率，利用卷积神经网络对特征进行分类，针对不同场景自动调整检测策略，将咳嗽声检测任务分解为多个子任务；在检测任务过程中，在卷积神经网络的池化层中采用自适应反馈机制，根据场景变化动态优化信号处理方案，从而提升深度学习模型在复杂场景下的咳嗽声检测精度；与现有技术相比，本发明能够有效抑制背景噪声，降低误检和漏检率，同时具备计算复杂度低和实时性强的优势，适用于多种场景下的咳嗽声检测任务。