本发明涉及智能设备领域，具体涉及一种话筒、数据处理器、监测系统及监测方法。
背景技术
随着大数据计算技术的发展，各种智能电子设备和云端服务器被应用于智慧显示、智能家居、智能终端等产品。其中，当前的声音采集设备如话筒的产品中仍仅限于一些简单的功能，例如，基于有限的波形分析和频率分析技术进行支架、乐谱的展示、以及声音的记录和练歌分数测评，并不能对声乐工作者的音质水平或声带等生理健康状况进行检测。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种话筒、数据处理器、监测系统及监测方法，以便于声乐工作者随时了解自身的音质水平和健康状态类型。
为了解决上述技术问题之一，本发明提供一种话筒，包括声音采集部，用于采集使用者的实际声音信号，所述话筒还包括：
信号收发模块，与所述声音采集部相连，用于将所述声音采集部采集的实际声音信号发送出去，以及接收根据所述实际声音信号生成的声音状态判定信号，所述声音状态判定信号包括根据使用者的音质水平生成的音质水平判定信号和/或根据使用者的健康状态类型生成的健康状态类型判定信号；
提醒模块，用于根据所述声音状态判定信号生成提醒信号。
优选地，所述声音状态判定信号包括所述音质水平判定信号和所述健康状态类型判定信号；
所述话筒还包括体征信息采集模块，用于采集使用者的体征信息；
所述信号收发模块还与所述体征信息采集模块相连，用于将所述体征信息采集模块采集到的体征信息发送出去，以及接收根据所述实际声音信号和所述体征信息的结合生成所述健康状态类型判定信号。
优选地，所述体征信息包括体温、脉搏波、血氧量、心率和血压中的至少一者。
优选地，所述提醒模块包括指示灯，所述提醒信号包括光信号；和/或
所述提醒模块包括显示面板，所述提醒信号包括图像信号。
优选地，所述话筒包括壳体，所述壳体包括手握部和设置在所述手握部顶端的话筒头部，所述声音采集部设置在所述话筒头部内；所述体征信息采集模块设置在所述手握部的外壁上；
当所述提醒模块包括指示灯时，所述指示灯设置在话筒头部内，所述话筒头部能够透光；
当所述提醒模块包括显示面板时，所述显示面板设置在所述壳体外壁上。
优选地，所述话筒还包括身份信息采集模块，用于采集使用者的身份信息；所述信号收发模块还与所述身份信息采集模块相连，并能够将所述身份信息发送出去。
优选地，所述身份信息采集模块设置在所述手握部的外壁上，所述身份信息包括指纹信息。
相应地，本发明还提供一种数据处理器，包括：
信号接收模块，用于接收上述话筒的信号收发模块所发送的实际声音信号；
处理模块，与所述信号接收模块相连，用于根据所述信号接收模块接收到的所述实际声音信号生成声音状态判定信号，其中，所述声音状态判定信号包括根据使用者的音质水平生成的音质水平判定信号和/或根据使用者的健康状态类型生成的健康状态类型判定信号；
信号发送模块，与所述处理模块相连，用于将所述声音状态判定信号发送至所述话筒。
优选地，所述处理模块包括第一分析单元和/或第二分析单元：
第一分析单元用于利用预设的相似度计算模型计算所述实际声音信号与标准声音信号的相似度，以该相似度作为所述音质水平；
第二分析单元用于利用预设的分类器模型判断所述使用者的健康状态类型。
优选地，所述相似度计算模型包括第一卷积神经网络模型，所述分类器模型包括第二卷积神经网络模型。
优选地，所述处理模块包括所述第一分析单元和所述第二分析单元；
当所述话筒还包括体征信息采集模块时，
所述信号接收模块还用于接收所述话筒的信号收发模块发送的体征信息；所述第二分析单元能够根据所述实际声音信号和所述体征信息的结合来判断所述使用者的健康状态类型。
优选地，所述处理模块还包括预处理单元，用于对所述话筒采集的所述实际语音信号和所述体征信息进行预处理，并将预处理后的实际声音信号输出至所述第一分析单元和所述第二分析单元，将预处理后的体征信息输出至所述第二分析单元。
优选地，所述数据处理器还包括：
训练模块，用于根据预设的多个第一声音信号样本及各自对应的相似度样本训练得到所述相似度计算模型；并根据预设的多个由第二声音信号样本和体征信号样本组成的样本组以及各样本组对应的健康状态类型样本训练得到所述分类器模型。
优选地，所述数据处理器还包括：
更新模块，与所述训练模块和所述处理模块相连，用于根据所述实际语音信号以及通过该实际语音信号所计算的相似度对所述相似度计算模型进行更新，并根据所述实际声音信号和体征信息以及通过二者的结合所判断的健康状态类型对所述分类器模型进行更新。
优选地，当话筒还包括身份信息采集模块时，所述数据处理器还包括存储模块，用于存储使用者的身份信息以及该使用者的音质水平和/或健康状态类型。
优选地，所述声音状态判定信号包括所述音质水平判定信号和所述健康状态类型判定信号，
当所述话筒的提醒模块包括显示面板时，所述数据处理器还包括指导模块，该指导模块与所述处理模块相连，用于根据所述音质水平判定信号生成声乐指导信号，并根据所述健康状态类型判定信号生成健康指导信号；
所述信号发送模块还与所述指导模块相连，用于将所述声乐指导信号和健康指导信号发送至所述话筒，以使所述话筒的显示面板根据所述声乐指导信号显示声乐指导信息，并根据所述健康指导信号显示健康指导信息。
相应地，本发明还提供一种监测系统，包括本发明提供的上述话筒和上述数据处理器。
优选地，所述话筒和所述数据处理器集成为一体结构；
或者，所述话筒和所述数据处理器为两个分离的结构，且能够进行无线信号通信。
相应地，本发明还提供一种利用上述监测系统的监测方法，包括：
所述话筒采集使用者的实际声音信号；
所述数据处理器根据所述实际声音信号生成声音状态判定信号，并将该声音状态判定信号发送至所述话筒；其中，所述声音状态判定信号包括根据使用者的音质水平生成的音质水平判定信号和/或根据使用者的健康状态类型生成的健康状态类型判定信号；
所述话筒的提醒模块根据所述声音状态判定信号生成提醒信号。
优选地，根据所述实际声音信号生成声音状态判定信号，包括：
利用预设的相似度计算模型计算所述实际声音信号与标准声音信号的相似度，以该相似度作为所述音质水平；和/或
利用预设的分类器模型判断所述使用者的健康状态类型。
优选地，当所述话筒还包括体征信息采集模块时，
所述监测方法还包括：所述体征信息采集模块采集使用者的体征信息；
利用预设的分类器模型判断所述使用者的健康状态类型，包括：利用所述分类器模型并根据所述实际声音信号和所述体征信息的结合判断所述使用者的健康状态类型。
优选地，在利用预设的相似度计算模型计算所述实际声音信号与标准声音信号的相似度，以及利用所述分类器模型并根据所述实际声音信号和所述体征信息的结合判断所述使用者的健康状态类型之前还包括：对所述话筒采集的实际语音信号和体征信息进行预处理；
利用所述预设的相似度计算模型计算的相似度根据预处理后的实际语音信号得到的；
利用预设的分类器模型所判断的健康状态类型是根据预处理后的实际语音信号和预处理后的体征信息得到的。
优选地，利用预设的相似度计算模型计算所述实际声音信号与标准声音信号的相似度之前还包括：根据预设的多个第一声音信号样本及各自对应的相似度样本训练得到所述相似度计算模型；
利用所述分类器模型并根据所述实际声音信号和所述体征信息的结合判断所述使用者的健康状态类型之前还包括：根据预设的多个由第二声音信号样本和体征信号样本组成的样本组以及各样本组对应的健康状态类型样本训练得到所述分类器模型。
本发明中，数据处理器根据话筒采集的实际声音信号判断出使用者的音质水平，生成音质水平判定信号，也可以根据实际声音信号判断出使用者的健康状态类型，生成健康状态判定信号；话筒的提醒模块生成与音质水平相对应的提醒信号，也可以生成与健康状态类型相对应的提醒信号，以对使用者进行提醒。相较于传统的依赖人(声乐导师)听取发音和咽喉医生的普通诊断相比，本发明中的监测系统通过数据分析的方式对使用者的音质水平和健康状态随时进行监测，使得使用者随时都可以了解自身的音质水平和健康状态，从而使得使用者更早期地了解自身状况，且判断结果更客观。并且，话筒还可以采集使用者的体征信息，从而使得数据处理器结合使用者的声音信号和体征信息判断使用者的健康状态类型，提高判断的准确率。另外，话筒还可以采集使用者的身份信息，数据处理器将使用者的身份信息和使用者的音质水平和健康状态类型进行存储，从而便于使用者了解自身近期的声音状态。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明的实施例中与数据处理器进行信号传输的话筒的结构框图；
图2是本发明实施例中提供的话筒的外观结构示意图；
图3是本发明实施例中提供的数据处理器的结构框图；
图4是本发明实施例中提供的监测方法流程图；
图5是本发明实施例中提供的监测方法的具体流程图。
其中，附图标记为：
100、话筒；110、声音采集部；120、信号收发模块；130、提醒模块；131、显示面板；140、体征信息采集模块；150、身份信息采集模块；160、壳体；161、话筒头部；162、手握部；200、数据处理器；210、信号接收模块；220、处理模块；221、第一分析单元；222、第二分析单元；223、预处理单元；230、信号发送模块；240、训练模块；250、更新模块；260、存储模块；270、指导模块。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
作为本发明的一方面，提供一种话筒100，如图1所示，该话筒100包括声音采集部110、信号收发模块120和提醒模块130。其中，声音采集部110用于采集使用者的实际声音信号。信号收发模块120与声音采集部110相连，用于将声音采集部110采集的声音信号发送出去，以及接收根据所述声音信号生成的声音状态判定信号，其中，所述声音状态判定信号包括根据使用者的音质水平生成的音质水平判定信号和/或根据使用者的健康状态类型生成的健康状态类型判定信号。提醒模块130用于根据所述声音状态判定信号生成提醒信号。应当理解的是，声音采集部110能够采集使用者的声音，并将采集到的声音转换为电信号；另外，声音采集部110和信号收发模块120之间可以采用无线连接的方式进行信号传输，也可以采用有线连接的方式进行信号传输。所述声音状态判定信号可以由数据处理器200生成，具体将在下文进行描述，这里先不赘述。
所述话筒100可以用于歌手、播音员等声乐工作者的声乐练习中。其中，所述音质水平是指使用者在进行声乐练习时，所发出声音的音量、音色、音调等与标准声音的相符合程度。所述健康状态是指使用者的声带、咽喉健康状态，例如可以包括声带是否疲劳、声带是否负荷、咽喉是否出现病变等。提醒模块130的提醒信号可以为光信号、声音信号、震动信号或直接显示为文字信息等，只要可以使得使用者根据不同的提醒信号了解自身的声音状态即可。
在本发明中，话筒100将采集的声音信号发送至能够判断音质水平和/或健康状态类型的数据处理器200，从而使得数据处理器200生成音质水平判定信号，和/或健康状态判定信号，这时，话筒100的提醒模块130根据音质水平判定信号生成提醒信号和/或根据健康状态类型判定信号生成提醒信号，以对使用者进行提醒，从而使得使用者在发声的同时就能很快地了解自身的音质水平和健康状态，相较于传统的依赖人(声乐导师)听取发音和咽喉医生的普通诊断相比，本发明可以对使用者的音质水平和健康状态随时进行监测，使得使用者随时都可以了解自身的音质水平和健康状态，从而使得使用者更早期地了解自身状况，且判断结果更客观。
其中，提醒模块130可以包括指示灯，所述提醒信号包括所述指示灯发出的不同颜色或不同亮度的光信号；和/或提醒模块130包括显示面板，所述提醒信号包括所述显示面板显示的图像信号。例如，提醒模块130包括发光颜色不同的第一指示灯和第二指示灯，当信号收发模块120接收到音质水平判定信号后，提醒模块130生成相应的第一提醒信号，第一指示灯发光，且所述音质水平判定信号不同时，第一指示灯的亮度不同；当信号收发模块120接收到健康状态类型判定信号后，提醒模块130生成相应的第二提醒信号，第二指示灯发光，且所述健康状态类型判定信号不同时，第二指示灯的亮度不同。当然，提醒模块130也可以包括音频播放件，以发出不同的声音作为提醒信号；或者为震动件，以产生不同频率的震动作为提醒信号；或者为显示面板，以直接显示图像信息作为提醒信号。
优选地，所述声音状态判定信号包括所述音质水平判定信号和所述健康状态类型判定信号，即，数据处理器200既能够判断使用者的音质水平，也能够判断使用者的健康状态类型。
为使数据处理器200能够更准确地判断出使用者的健康状态类型，进一步地，如图1所示，话筒100还包括体征信息采集模块140，用于采集使用者的体征信息。信号收发模块120还与体征信息采集模块140相连，用于将体征信息采集模块140采集到的体征信息发送出去，以使得数据处理器200能够结合所述实际声音信号和所述体征信息生成所述健康状态类型判定信号。其中，所述体征信息包括体温、脉搏波、血氧量、心率和血压中的至少一者，相应地，体征信息采集模块140可以包括用于测量体温的体温计、用于测量的脉搏波的脉搏测量仪、用于检测血氧量和心率的投射型红外传感器、用于测量血压的血压器中的任意一者。
图2为话筒的外观结构示意图，如图2所示，话筒100包括壳体160，壳体160包括手握部162和设置在手握部162顶端的话筒头部161，声音采集部110设置在话筒头部161内。为了提高话筒100整体结构的集成度，减小体积，可以将体征信息采集模块140设置在手握部162外壁上。如上文所示，提醒模块130可以包括指示灯，这时，所述指示灯可以设置在话筒头部161内，话筒头部161能够透光；具体地，话筒头部161可以为一个网状罩体，声音采集部110也可以设置在网状罩体内。当提醒模块130包括显示面板131时，显示面板131设置在壳体160外壁上，具体可以设置话筒头部161外壁上(如图2所示)，或者设置在手握部162外壁上。
进一步地，如图1和图2所示，话筒100还包括身份信息采集模块150，用于采集使用者的身份信息；信号收发模块120还与身份信息采集模150块相连，并能够将使用者的身份信息出去，例如发送至数据处理器200。通过身份信息的采集，可以便于数据处理器200根据使用者身份信息及其实际声音信号、音质水平和健康状态类型建立属于使用者自身的个人数据库，从而便于使用者查看自身音质水平的变化和健康状态的变化。
其中，身份信息采集模块150设置在手握部162的外壁上，所述身份信息包括指纹信息。身份信息采集模块150具体可以包括触摸屏，以便于在使用者手持话筒100的同时就可以采集到用户的指纹。
作为本发明的另一方面，提供一种数据处理器200，如图3所示，数据处理器200包括信号接收模块210、处理模块220和信号发送模块230。信号接收模块210用于接收上述话筒100的信号收发模块120所发送的实际声音信号；处理模块220与信号接收模块210相连，用于根据信号接收模块210接收到的所述实际声音信号生成声音状态判定信号，其中，所述声音状态判定信号包括根据使用者的音质水平生成的音质水平判定信号和/或根据使用者的健康状态类型生成的健康状态类型判定信号。信号发送模块230与处理模块220相连，用于将所述声音状态判定信号发送至话筒100。
优选地，所述声音状态判定信号既包括所述音质水平判定信号，也包括所述健康状态类型判定信号。即，当话筒100采集到话筒使用者的实际声音后，数据处理器200的处理模块220能够根据使用者的实际声音信号判断使用者的音质水平，从而生成相应的音质水平信号；也可以根据使用者的实际声音信号判断使用者的健康状态类型，从而生成相应的健康状态类型判定信号。之后，由信号发送模块230将音质水平判定信号和/或健康状态类型判定信号发送至话筒100，从而使得话筒100的提醒模块130生成上述提醒信号，以使得使用者根据该提醒信号获知自身的音质水平和健康状态类型。
其中，数据处理器200可以为与话筒100集成为一体结构，也可以为与话筒100相分离的结构，例如，为单独的云端服务器，只要可以与话筒100进行信号传输，并能够进行数据处理，以根据使用者的实际声音信号判断使用者的音质水平和/或使用者的健康状态类型即可。
具体地，如图3所示，处理模块220可以包括用于判断音质水平的第一分析单元221和/或用于判断健康状态类型的第二分析单元222。优选地，处理单元220同时包括第一分析单元221和第二分析单元222，以同时进行音质水平和健康状态类型的判断。
第一分析单元221用于利用预设的相似度计算模型计算所述实际声音信号与标准声音信号的相似度，以该相似度作为所述音质水平，相似度越高，即音质水平越高。如上文所述，上述话筒可以用于声乐练习者的声乐训练中，此时，标准声音信号可以为预先采集的、发音标准的声音信号，例如，可以预先采集一段或多段用于进行声乐训练的声音信号，该声音信号可以覆盖一定音域并包含多个不同的音调；当使用者使用话筒100进行声乐训练时，可以按照标准声音信号进行发声，之后，话筒100将使用者的实际声音信号发送至数据处理器200，从而使得第一分析单元221根据使用者实际声音信号的频率、音量、音色等信息来判断实际声音信号与标准声音信号的相似度。
为了提高相似度计算的效率和准确率，相似度计算模型具体可以包括第一卷积神经网络模型，该第一卷积神经网络模型可以采用深度神经网络模型。第一卷积神经网络模型可以包括输入层、多个卷积层、多个激励层和全连接层。其中，第一分析单元221可以先对实际声音信号进行特征提取，得到所需定长的特征矢量，并将该特征矢量和标准声音信号的特征矢量输入所述第一卷积神经网络模型的输入层；经过相似度计算后，全连接层输出所述实际声音信号与所述标准声音信号的相似度。其中，声音特征的提取可以采用常用的梅尔倒谱系数(mel-scalefrequencycepstralcoefficients，简称mfcc)的提取方式。
第二分析单元222用于利用预设的分类器模型判断所述使用者健康状态类型。为了提高分类效率和准确率，所述分类器模型可以包括第二卷积神经网络模型；该第二卷积神经网络模型也采用深度神经网络模型。该第二神经网络模型和第一神经网络模型的结构类似，包括输入层、多个卷积层、多个激励层和全连接层。和第一分析单元221类似地，第二分析单元222也可以对实际声音信号进行特征提取，将提取后的特征矢量输入第二神经网络模型的输入层，从而使得全连接层输出与多个预设的健康状态类型对应的系数，系数最大的健康状态类型即为实际声音信号所对应的健康状态类型。
如上文所述，话筒100还可以包括体征信息采集模块140，这时，210信号接收模块还用于接收话筒100的信号收发模块120发送的体征信息，第二分析单元222还能够利用所述分类器模型并根据所述实际声音信号和所述体征信息的结合来判断所述健康状态类型。即，将所述实际声音信号的特征矢量和所述体征信息的特征矢量共同输入第二卷积神经网络的输入层，从而根据全连接层的输出判断与所述实际声音信号和所述体征信息共同对应的健康状态类型。
需要说明的是，第一分析单元221和第二分析单元222在对实际声音信号进行特征提取时，只根据实际声音信号的频率、音量、音色等声音信号的波形信息，并不需要分析声音信号的语言学信息(例如，具体单词、句子等)。
考虑到声音信号的采集过程以及传输过程中会引入噪声而导致信号失真，为此，处理模块220还可以包括预处理单元223，该预处理单元223用于对话筒100采集的实际声音信号进行预处理，并将预处理后的实际声音信号输出至第一分析单元221和第二分析单元222，将预处理后的体征信息输出至第二分析单元222。所述预处理具体可以包括滤波去噪、归一化等。
为了获得所述相似度计算模型和所述分类器模型，进一步地，如图3所示，数据处理器200还包括训练模块240，该训练模块240用于根据预设的多个第一声音信号样本及各自对应的相似度样本训练得到所述相似度计算模型；并根据预设的多个由第二声音信号样本和体征信息样本组成的样本组以及各样本组对应的健康状态类型样本训练得到所述分类器模型。
对相似度计算模型的训练即对第一卷积神经网络模型的训练，从而获取第一卷积神经网络模型的各层节点之间的映射关系。训练时，先建立第一样本库，该第一样本库中包括预先采集的大量第一声音信号样本，各第一声音信号样本对应的相似度已知，称之为相似度样本；之后，将声音信号样本和标准声音信号输入初始的第一卷积神经网络模型的输入层、将对应的相似度样本输入全连接层，经过多次训练得到第一卷积神经网络的具体结构。
类似地，对分类器模型的训练即对第二卷积神经网络模型的训练，以获得第二卷积神经网络模型的各层节点之间的映射关系。训练时，先建立第二样本库，该第二样本库中包括多个不同健康状态类型(例如，健康、声带疲惫、声带病变等，称之为健康状态类型样本)，以及在各健康状态类型下预先采集的大量第二声音信号样本和体征信息样本；之后，将第二声音信号样本和对应的体征信息样本输入第二卷积神经网络的输入层；将全连接层中与二者对应的健康状态类型样本对应的节点设置为1，其他节点设置为0。经过多组样本的训练，得到第二卷积神经网络模型的结构。第一卷积神经网络模型和第二卷积神经网络模型的具体训练方法可以采用现有的基于动量的随机梯度下降法(momentbasedstochasticgradientdescent)，这里不再详述。
应当理解的是，神经网络模型输入层的输入在训练过程和使用过程中是相对应的，如上文所述，第一分析单元221和第二分析单元222均对实际声音信号进行特征提取后再输入第一卷积神经网络模型和第二神经网络模型的输入层，相应地，在对第一卷积神经网络和第二卷积神经网络模型进行训练时，第一声音信号样本和第二声音信号样本也是特征提取后的样本。当然，第一声音信号样本和第二声音信号样本也可以为未经特征提取的样本，这种情况下，在进行相似度计算和健康状态类型判断时，输入层输入的声音信号也是未经特征提取的信号，从而在神经网络模型内部完成特征提取和相似度计算(或健康状态类型判断)。另外，第二分析单元222也可以只根据实际声音信号来判断相应的健康状态类型，这种情况下，第二神经网络模型的训练过程中，输入层不再输入体征信息样本。
进一步地，如图3所示，数据处理器200还可以包括更新模块250，该更新模块250与训练模块240和处理模块220相连，用于根据使用者的实际声音信号以及通过该实际语音信号所计算的相似度(即根据该实际语音信号判定的音质水平)对所述相似度计算模型进行更新，并根据所述实际声音信号和体征信息以及通过二者的结合所判断的健康状态类型对所述分类器模型进行更新。如上所述，在相似度计算模型和分类器计算模型的训练过程中，首先建立第一样本库和第二样本库，更新模块250对相似度计算模型和分类器计算模型的更新即，将实际声音信号及其对应的相似度也作为样本加入第一样本库中，以对相似度计算模型进行进一步地训练更新，从而提高相似度计算的准确性；将实际声音信号和体征信息共同对应的健康状态类型也作为样本加入第二样本库中，以对分类器模型进行进一步地训练更新，从而提高健康类型判断的准确性。
如上所述，话筒100还包括身份信息采集模块150，这时，数据处理器200还可以包括存储模块260，用于存储使用者身份信息以及处理模块220根据该使用者的实际声音信号所判断出的该使用者的音质水平和/或健康状态类型，从而便于使用者了解自身近期的音质水平和健康状态。
进一步地，当话筒100的提醒模块130包括显示面板时，数据处理器200还包括指导模块270，该指导模块270与处理模块220相连，用于根据所述音质水平判定信号生成声乐指导信号，并根据所述健康状态类型判定信号生成健康指导信号。信号发送模块230还与指导模块270相连，用于将所述声乐指导信号和健康指导信号发送至话筒100，以使话筒100根据所述声乐指导信号显示声乐指导信息并根据所述健康指导信号显示健康指导信息。
具体地，所述健康指导信息可以预先设置，例如，对于音质水平而言，可以将代表音质水平的相似度划分为多个范围，对于每个范围均预先设置一种声乐指导信号；当处理模块220的第一分析单元221计算出所述实际声音信号与标准声音信号的相似度后，信号发送模块230将该相似度所在范围对应的声乐指导信号发送至话筒100，话筒100的显示面板根据接收到的声乐指导信号显示相应的声乐指导信息，以便于使用者调节自身的练习方式，提高自身音质水平。对于健康状态而言，可以将每种健康状态类型也对应一种预先设置的健康指导信号；当处理模块220的第二分析单元222计算出所述实际声音信号和体征信息对应的健康状态类型后，信号发送模块230将该健康状态类型对应的健康指导信号发送至话筒100，以使得话筒100的显示面板显示相应的健康指导信息，从而为使用者提供健康指导和建议。例如，当根据所述实际声音信号和体征信息判定健康状态类型为“声带疲惫”时，显示面板显示的健康指导信息为“注意休息”的字样。
作为本发明的第三个方面，提供一种监测系统，包括本发明提供的上述话筒100和数据处理器200。结合图1和图3所示，话筒100的信号收发模块120与数据处理器200的信号接收模块210能够进行信号连接，话筒100的提醒模块130与数据处理器200的信号发送模块230能够进行信号连接，从而在话筒100采集使用者的实际声音信号后，数据处理器200产生声音状态判定信号，进而使话筒100的提醒模块130生成提醒信号进行提醒。如上文所述，话筒100和数据处理器200可以集成为一体结构，例如，将数据处理器200集成在话筒100的壳体内；或者，筒100和数据处理器200可以为两个分离的结构，且能够进行无线信号通信，例如，数据处理器200为与话筒分离的云端服务器。
本发明中的监测系统利用话筒对实际声音信号和其他信息进行采集并利用数据处理器进行数据处理，通过数据分析的方式对使用者的音质水平和健康状态随时进行监测，使得使用者随时都可以了解自身的音质水平和健康状态，从而使得使用者更早期地了解自身状况，且判断结果更客观。
作为本发明的第四个方面，提供一种利用上述监测系统的监测方法，结合图1、图3和图4所示，所述监测方法包括：
s10、话筒100采集使用者的实际声音信号。
s20、数据处理器200根据所述实际声音信号生成声音状态判定信号，并将该声音状态判定信号发送至话筒100；其中，所述声音状态判定信号包括根据使用者的音质水平生成的音质水平判定信号和/或根据使用者的健康状态类型生成的健康状态类型判定信号。
s30、话筒100的提醒模块130根据所述声音状态判定信号生成提醒信号。
下面结合图1、图3至图5对所述监测方法的过程进行具体介绍。如图1所示，话筒100包括声音采集部110、信息收发模块120、提醒模块130、体征信息采集模块140；提醒模块130包括显示面板。如图3所示，数据处理器200包括信号接收模块210、处理模块220、信号发送模块230、训练模块240、更新模块250，处理模块220包括预处理单元223、第一处理单元221和第二处理单元222。如图5所示，所述监测方法具体包括：
s01、数据处理器200的训练模块240根据预设的多个第一声音信号样本及各自对应的相似度样本训练得到相似度计算模型，所述相似度计算模型包括第一卷积神经网络模型。
s02、训练模块240根据预设的多个由第二声音信号样本和体征信号样本组成的样本组以及各样本组对应的健康状态类型样本训练得到分类器模型，所述分类器模型包括第二卷积神经网络模型。相似度计算模型和分类器模型的训练过程和原理已在上文进行了介绍，这里不再赘述。步骤s01和s02可以同时进行，也可以先后进行，两个步骤可以在s10之前，也可以在下文提及的步骤s10与s20之间进行。
s10、话筒100的声音采集部110采集使用者的实际声音信号，信号收发模块120将实际声音信号发送至数据处理器200。
s11、话筒100的体征信息采集模块140采集使用者的体征信息，信号收发模块120将使用者的体征信息发送至数据处理器200。
上述步骤s10和s11同时进行，也可以先后进行。
s20、数据处理器200根据所述实际声音信号生成声音状态判定信号，并将该声音状态判定信号发送至话筒100。该步骤具体包括以下步骤s20a和s20b。
s20a、对所述话筒采集的实际语音信号和体征信息进行预处理。
s20b、数据处理器200的第一分析单元221利用预设的相似度计算模型计算所述实际声音信号与标准声音信号的相似度，以该相似度作为所述音质水平，从而进一步生成音质水平判定信号；第二分析单元222利用所述分类器模型并根据所述实际声音信号和所述体征信息的结合来判断所述使用者的健康状态类型，从而进一步生成健康状态类型判定信号。应当理解的是，利用所述相似度计算模型计算的相似度根据预处理后的实际语音信号得到的，即第一分析单元221计算的是预处理后的实际语音信号与标准信号之间的相似度；第二分析单元222利用预设的分类器模型所判断的健康状态类型是根据预处理后的实际语音信号和预处理后的体征信息得到的。
s21、数据处理器200的更新模块250根据所述实际语音信号及通过该实际语音信号所计算的相似度对所述相似度计算模型进行更新。
s22、更新模块250根据所述实际声音信号和体征信息以及通过二者的结合所判断的健康状态类型对所述分类器模型进行更新。更新模块250的更新原理已在上文说明，这里不再赘述。
s30、话筒100的提醒模块130根据所述声音状态判定信号(音质水平判定信号和/或健康状态类型判定信号)生成提醒信号。
另外，如上文所述，话筒100还可以包括身份信息采集模块150，数据处理器200包括存储模块260，这种情况下，话筒100在采集实际声音信号和体征信息的同时，身份信息采集模块150还可以对使用者的身份信息进行采集，步骤s20结束后还包括：数据处理器200存储使用者的身份信息以及该使用者的音质水平和/或健康状态类型。
另外，当话筒100的提醒模块包括显示面板、数据处理器200还包括指导模块270时，步骤s20之后还包括：
数据处理器200的指导模块270根据所述音质水平判定信号生成声乐指导信号，并根据所述健康状态类型判定信号生成健康指导信号；话筒100的显示面板根据所述声乐指导信号显示声乐指导信息并根据所述健康指导信号显示健康指导信息。声乐指导信号和健康指导信号的生成、声乐指导信息和健康指导信息的生成原理已在上文说明，这里不再赘述。
以上为对本发明提供的话筒、数据处理器、监测系统和监测方法的描述，可以看出，本发明的数据处理器根据话筒采集的实际声音信号判断出使用者的音质水平，并生成音质水平判定信号，也可以根据实际声音信号判断出使用者的健康状态类型，并生成的健康状态判定信号；话筒的提醒模块根据音质水平生成提醒信号，也可以根据健康状态类型生成提醒信号，以对使用者进行提醒。相较于传统的依赖人(声乐导师)听取发音和咽喉医生的普通诊断相比，本发明中的监测系统通过数据分析的方式对使用者的音质水平和健康状态随时进行监测，使得使用者随时都可以了解自身的音质水平和健康状态，从而使得使用者更早期地了解自身状况，且判断结果更客观。并且，话筒还可以采集使用者的体征信息，从而使得数据处理器结合使用者的声音信号和体征信息判断使用者的健康状态类型，提高判断的准确率。另外，话筒还可以采集使用者的身份信息，数据处理器将使用者的身份信息和使用者的音质水平和健康状态类型进行存储，从而便于使用者了解自身近期的声音状态。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。