病态嗓音特征的神经网络选择于燕平胡维平摘要病态嗓音自动检测.doc

病态嗓音特征的神经网络选择 于燕平 胡维平 摘要:病态嗓音自动检测和评价的关键是有效提取相关的特征，但一般的提取原则是尽可能的把相关特征纳入特征集，其结果就很难避免各种特征的相关和冗余信息,并对随后的识别效率和检测带来负面影响，因此特征优选工作就显得非常重要。本研究对待识别嗓音样本分别提取出两种特征参数（传统声学参数和基于小波变换提出的特征参数）后，利用神经网络分别对这两种特征参数进行了特征选择和优化，并分别对选出的各组特征进行了识别，结果表明基于神经网络的特征选择方法是有效的，从基于小波变换提出的特征中选出的7维特征矢量完全能取代原始特征矢量，并取得了正常95.06%，病态92.85%的识别结果。 关键词：病态嗓音；神经网络；显著性度量；高斯混合模型； 引言 嗓音的产生是一个复杂的生理、物理过程，由于各种原因造成的嗓音疾病阻碍了人们正常的社会交往和信息交流。如何保留 和提高喉发音功能及其检测方法成为了众多信号处理及统计模式识别领域研究者关注的焦点[1]。 建立在声学参数分析基础上的病态嗓音检测与评价始终无法摆脱医生的主观判断。随着计算机技术及统计模式识别的迅猛发展，建立在模型统计基础上的病态嗓音自动检测也迅速成为了研究热点，经过几十年的发展，形成了众多的研究方法[2]。但无论以何种方式提取出的参数总是尽可能的把所有特征纳入特征矢量集，这样就难以避免冗余，使得建立的模型变