本研究探讨了利用智能语音分析技术对新冠肺炎患者进行分类的方法，包括病情、睡眠质量和焦虑等方面。研究采用支持向量机等算法，结果表明该技术能够快速、低成本地检测新冠肺炎。此外，研究开发了肺音数据库，利用机器学习模型检测呼吸音，并提出了基于自监督学习的咳嗽分类框架，展示了增强模型性能的声学特征提取技术。

本文研究了使用神经网络进行环境声音分类的三种不同类型的表示：谱图、MFCC和嵌入式表示，并使用不同的CNN网络和自编码器来评估它们在分类准确度上的效果。发现使用谱图的分类准确度最高，使用MFCC的准确度最低，并提出了一些指导性的结论和方法来提高声音环境分类的准确度。