病理语音的特征及其提取与优化.pptVIP

3.3 特征优化过程 * 汇报内容 病理语音特征效果分析研究 4 引言 1 病理语音特征极其提取方法 2 基于分层递阶可视化的特征选择与融合方法 3 结论 5 * 基频是反映声带振动情况的特征参数，从两幅基频轨迹图上可以看出病理语音的基频轨迹不平滑，抖动较大，且变化范围较大，而正常语音的基频轨迹较平滑，抖动较小。因而本文提取基频特征。当发声器官发声病变时，将会引起语音的声学性质变化，空气动力学特性异常，影响声音质量，因此本文提取了反映声音质量的特征：基频微扰、振幅微扰、谐噪比。当发声系统发生病变时，声道形状的变化及发声运动之间相关性将受影响，频谱相关特征将出现差异，本文提取了8种频谱特征 本文提取了传统声学特征构造出基础特征集共430维。 由于实际病理语音信号包含的非平稳现象和时频域上的突变特征，造成了大量有用信息的丢失。针对这个问题，本文提出一种基于S变换的病理语音特征MSCC，S变换是1996年StockWell提出的结合了短时傅里叶变换及小波变换的优点的线性时频分析方法，本文使用的为离散S变换，其可由傅里叶变换得来，从式可以看出S变换得到的是一个复时频矩阵,其行对应于时间，列对应于频率。本文将语音信号进行S变换映射到MEL频率谱上，并求对数余炫得到MSCC，本文提取MSCC特征共84维。 * 雷达图是可视化技术的一种，其能直观的反映特征间的相关性。雷达图重心特征能较好的反应雷达图间的各个维之间的内部关系。其提取过程是一种无监督的非线性映射。 F-Score 是类间距离与类内距离的比值。F-Score值越大，即表示类间越疏，类内越密，表明此特征的类辨别力越强。 首先对原始特征用F-SCORE进行重要性排序，按F-SCORE值对特征进行分层，并将排序后的每层特征映射至雷达图上，并提取雷达图重心特征进行特征融合，将提取的特征再进行特征排序，并分层，提取可视化特征，得到降维后的总特征。 语料库是由INTERSPEECH 2012 speaker trait 病理比赛提供的语料，该语料由荷兰头颈肿瘤手术癌症研究所录制，包括55个（10个男性，45个女性）头颈癌患者的录音。 可见通过分层递阶的可视化降维方法融合了所有特征的信息，挖掘了特征间的结构特征，降低了特征维数，取得了较好的识别率。 * 病理语音的特征及其提取与优化 * 汇报内容 病理语音特征效果分析研究 4 引言 1 病理语音特征极其提取方法 2 基于分层递阶可视化的特征选择与融合方法 3 结论 5 * 汇报内容 病理语音特征效果分析研究 4 引言 1 病理语音特征极其提取方法 2 基于分层递阶可视化的特征选择与融合方法 3 结论 5 * 引言 通过病理语音来诊断发音器官的病变，不仅是医学工作者积极探索的诊治方法，也是语音研究工作者的努力方向。 但由于发声系统的复杂性，基于声学参数的病理语音检测仍然没有取得良好的效果，现在仍然不能仅凭一个或几个特征参数经过识别给出诊断结果。 * 汇报内容 病理语音特征效果分析研究 4 引言 1 病理语音特征极其提取方法 2 基于分层递阶可视化的特征选择与融合方法 3 结论 5 2.1 基础声学特征集BAFS提取 基频 声音质量特征 当发声器官发生病变时，将会引起语音的声学性质变化，空气动力学特性异常，影响声音质量 频谱相关特征 声道形状变化及发声运动之间相关性的 2.1 基础声学特征集BAFS提取 分类 特征 维数 韵律特征 基频 15 声音质量特征 基频微扰 15 振幅微扰 15 谐噪比 15 基于频谱的相关特征 频带能量 260 谱质心 10 频谱熵 10 谱通量 10 谱偏态 10 谱峰态 10 频谱斜率 10 频谱衰减点 40 2.2 MSCC特征提取 离散S变换 一帧语音信号 S变换 能量谱 带通滤波 DCT MSCC 2.3 基于非线性的病理语音特征提取 本文提取病理语音的非线性特征，作为基于线性分析的声学特征的补充。本文提取的是最大李雅普诺夫指数、近似熵、Lempel-Ziv复杂度三种非线性特征。 为了更好的反映病理语音的非线性特性，需要足够长的数据，故本文采用帧长为50ms，帧移为帧长的一半，提取三种特征，并得到其统计值（平均值、方差、偏态和峰态），共得到12维特征。 * 汇报内容 病理语音特征效果分析研究 4 引言 1 病理语音特征极其提取方法 2 基于分层递阶可视化的特征选择与融合方法 3 结论 5 3.1 基于雷达图的特征融合 雷达图 雷达图的三角形重心 雷达图的相邻m 变量重心 3.2 F-Score 特征排序 * 基频是反映声带振动情况的特征参数，从两幅基频轨迹图上可以看出病理语音的基频轨迹不平滑，抖动较大，且变化范围较大，而正常语音的基频轨迹较平滑，抖动较小。因而本文提取基频