病态嗓音特征的小波变换提取及识别研究

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.

关键词：高斯混合模型(GMM)、病态嗓音、Mel倒谱系数(MFCC)、小波变换

所属期刊栏目：45

分类号：TN912

资助基金：广西自然科学基金the Natural Science Foundation of Guangxi of China under Grant 0448035

在线出版日期：2009-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：194-196,205