病态嗓音特征的小波变换提取及识别研究

• 作者: 于燕平 胡维平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高斯混合模型(GMM) 病态嗓音 Mel倒谱系数(MFCC) 小波变换
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 工程与应用
• 页码范围: 194-196,205
• 页数: 4页
• 分类号: TN912
• 字数: 3976字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.22.062

摘要

通过分析嗓音的发音机理、病态嗓音与正常嗓音在频域的表现差异,利用小波变换对信号进行分解,突出病态嗓音的特点,提出了基于多尺度分析的小渡降噪、分解的熵系数(Entropy Coefficient based on De-noise,Decomposition of Multi-scaleAnalysis,ECDDMA)作为识别的特征矢量集.并对比分析了语音识别中经典特征参数Mel倒谱系数(MFCC),分别运用这两种特征参数对242例正常嗓音和234例病态嗓音运用高斯混合模型(GMM)进行了识别.结果显示:ECDDMA系数较传统的模拟人耳听觉非线性特性的MFCC及其动态特征能更准确地表征正常与病态嗓音之间的差异,有利于同时提高病态和正常嗓音的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡维平	广西师范大学物理与电子工程学院	44	487	11.0	20.0
2	于燕平	广西师范大学物理与电子工程学院	2	17	2.0	2.0