一、项目背景

    根据《孤独症教育康复行业发展状况报告》，在全世界范围内每 54 个儿童就有一个儿童患有自闭症谱系障碍，目前中国的自闭症谱系障碍患者已经超过了 1300万，并且这个数量以每年近20万的速度增长。
    调研发现我国关于自闭症谱系障碍方面的确诊缺乏统一的诊断标准，各大医院与医疗机构的主流诊断方案还是依托于量表等工具，误诊率高。但目前在确诊方面缺乏科学精准的检测仪器，导致被确诊为自闭症的患者平均年龄为4到5岁，远远滞后于18到24个月的最佳早期筛查诊断时机，使得患儿错过最佳康复治疗期。
    在2019年美国杜克大学李明教授在《Computer Speech & Language》期刊中发表《An automated assessment framework for atypical prosody and stereotyped idiosyncratic phrases related to autism spectrum disorder》一文，提出一个自动评估框架通过分析ASD儿童的非典型韵律和刻板特殊短语来预测儿童具有ASD风险的概率，可将自闭症患者的诊断年龄提前至1到2岁，让更多的自闭症孩子能尽早的确诊，早发现早干预早治疗。

二、设计思路

2.1 物联网三层架构

2.1.1 感知层

    感知层是基于物联网的三层架构声纹特征滤波识别系统的最底层，属于最核心的部分，是实时采集环境音频信息的重要部分。本设计方案中感知层主要由感应器件和感应器网络构成，感应器件主要由三麦克风阵列的数字信号处理器、三麦克风阵列的数字信号处理和INMP441模块组成，使用回声消除算法、语音增强算法、降噪算法和音频自动增益算法收集音频数据。感应器网络主要是由感应器件的数据传输所形成的整体传输网络，主要采用RFID网络、M2M网络、WSN无线传感器网络、IEEE无线协议等网络传输技术，本设计方案中采用的是 INMP441模块，数据安全性强、稳定性好，能够实时上传数据信息。

2.1.2 传输层

    传输层是将感知层各类数据信息通过网络通讯技术进行传输处理，使其能够将感知层收集到的音频数据信息进行上传到应用层中。本设计方案中主要选取TCP/IP传输控制协议，将感知层采集到的音频数据上传至华为云OBS桶中进行数据持久化存储，在需要应用时再将数据调用出来，极大的提高声纹特征滤波识别系统的工作效率。

2.1.3 应用层

    应用层作为与医师互动层面，应用层将网络层和感知层的数据进行处理分析，使其能够成为可查看的识别信息，方便医师进行开展下一步工作。本项目在应用层使用准确率高达93.8%的病理语音智能神经网络模型对比分析自闭症谱系障碍儿童和正常儿童在声学特征上的差异，使用音频分析技术提取声学特征参数进行分析，从声学角度指导医生对待测儿童进行早期筛查，医师可在团队已经开发出鸿蒙APP、PC端EXE程序，手持端DAYU200程序查看识别结果，可将自闭症谱系障碍儿童的筛查确诊提前至1-2岁，且在5分钟内能出诊断结果，在极短的时间内辅助医生完成诊断，耗时少，无需完成大量的量表，实现自闭症谱系障碍早期筛查的“可量化”和“精细化”。

2.2 开发框架

    开发可将整个系统分成三个模块： 数据采集模块、数据处理模块和结果展示模块，构想的开发设计技术框架如下：

【本文正在参加物联网有奖征文活动】，活动链接：https://ost.51cto.com/posts/14758