病理语音的特征及其提取与优化课件

1、1病理语音的特征及其提取与优化2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53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54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。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

2、3结论52.1 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402.2 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DCTMSCC2.3 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

3、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。10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53.1 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3.3 特征优化过程14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54

4、.1 语料NCSC语料：INTERSPEECH 2012 speaker trait，荷兰头颈肿瘤手术癌症研究所NCSC训练集开发集清晰384341不清晰5174054.2 评价指标NCSC预测正样本预测负样本实际正样本True Positive (TP)False Negative(FN)实际负样本False Positive(FP)True Negative(TN)4.3 实验NCSC上的实验结果表特征sensitivityspecificityUAAccuracyNLNF（12维）55.3%61.0%58.1%57.9%MSCC（84维）67.1%62.1%64.6%63.6%BAFS（430维）63.7%57.7%60.7%60.9%NCSC上NF和VIS-Features的实验结果表特征sensitivityspecificityUAAccuracyNLNF+MSCC+BAFS(526维)82.7%65.1%73.9%74.6%VIS-Features（96维）84.4%65.6%75.1%75.9%18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5195 结论本文从特征提取入手，针对病理语音信号的突变特征，从三个方面构建了一个新的特征集，并提出可视化的降维技术。在NCSC