换一批结合EMD和FWHT的构音障碍语音特征增强算法
Dysarthria speech feature enhancement algorithm by combining empirical mode decomposition and fast Walsh-Hadamard transform
摘要传统声学特征易忽略语音的非线性、非平稳特性并且不能同时提取患者声道、声带的病理特性,导致识别模型性能不佳.因此文章提出了一种结合经验模态分解和快速沃尔什-哈达玛变换的构音障碍语音特征增强算法.首先,采用快速傅里叶变换处理语音后,引入经验模态分解自适应提取其本征模态函数;其次,进行快速沃尔什-哈达玛变换;接着,提取基于本征模态函数的统计学特征以及功率谱密度、伽马通频率倒谱系数的增强特征;最后,在UA Speech和TORGO数据库上进行病情分级研究,并引入了非平衡分类算法评估.结果表明,该算法对比传统特征在病理语音分级研究上是有效的,在考虑类间不平衡后,识别准确率至少提高了 12.18个百分点.由此,该算法可以更充分表征构音障碍语音特性,对其非平衡性、非线性特性及缺乏同时表征声带和声道中局部病理信息的问题具有一定的改善作用.
更多相关知识
关键词
构音障碍特征增强经验模态分解沃尔什-哈达玛变换病理语音dysarthriafeature enhancementempirical mode decompositionWalsh-Hadamard transformpathological speech
栏目名称
DOI
10.16300/j.cnki.1000-3630.23061201
发布时间
2025-05-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览4
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
