基于小波变换和倒谱分析的腭裂高鼻音等级自动识别

• 作者: 付方玲 何凌 刘奇 赵利博
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 腭裂 高鼻音 分类系统 小波分解系数倒谱
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 278-284
• 页数: 7页
• 分类号: TP391.9
• 字数: 7560字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.04.047

摘要

为实现对腭裂高鼻音等级的自动识别,通过对语音信号小波处理和特征提取方法的综合研究,提出基于小波分解系数倒谱特征的腭裂高鼻音等级自动识别算法.目前,研究人员对腭裂语音的研究多基于MFCC、Teager能量、香农能量等特征,识别正确率偏低,且计算量过大.文中对4种等级腭裂高鼻音的1789个元音\a\语音数据提取小波 分解系数倒谱特征参数,使用KNN分类器对4种不同等级的高鼻音进行自动识别,将识别结果与MFCC、LPCC、基音周期、共振峰和短时能量共5种经典声学特征的识别结果作比较,同时使用SVM分类器对不同等级的腭裂高鼻音进行自动识别,并与KNN分类器进行对比.实验结果表明,基于小波分解系数倒谱特征的识别结果优于经典声学特征,且KNN分类器的识别结果优于SVM分类器.小波分解系数倒谱特征在KNN中的识别率最高达到91.67％,在SVM中达到87.60％,经典声学特征在KNN分类器中的识别率为21.69％～84.54％,在SVM中的识别率为30.61％～78.24％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘奇	四川大学电气信息学院	61	297	9.0	13.0
2	何凌	四川大学电气信息学院	33	108	6.0	8.0
3	赵利博	四川大学电气信息学院	1	0	0.0	0.0
4	付方玲	四川大学电气信息学院	2	0	0.0	0.0