有效特征参数分类正常与病理语音

作者：郭乐乐; 曹辉^*; 李涛

来源：声学技术, 2019, 38(05): 554-559.

DOI：10.16300/j.cnki.1000-3630.2019.05.012

• 残差信号
• 基音幅值
• 频谱平坦度
• 倒谱峰值突出
• 支持向量机

采用残差信号的特征参数——基音幅值(Pitch Amplitude, PA)和频谱平坦度(Spectral Flatness of the Residue Signal, SFR)与语音信号倒谱域特征参数——倒谱峰值突出(Cepstral Peak Prominence, CPP)来区分正常与病理语音,在萨尔布吕肯语音数据库中选择自然音调的正常与病理语音/a/进行仿真实验。统计结果表明,与正常语音相比,病理语音的PA较小,SFR更接近零,CPP也较小。结合其他传统特征参数分析对比,证明SFR、PA和CPP更能有效分类正常与病理语音。通过不同分类算法比较,得出支持向量机的分类准确率相对更高。

• 单位
  陕西师范大学