基于语音音调域动态特征的精神分裂症自动检测算法

为了提供精神分裂症阴性症状临床诊断的客观生物学指标,实现精神分裂症自动检测,提出一种基于语音音调域动态特征的精神分裂症自动检测算法。基于频率覆盖度量和子带编码模型对语音信号进行基频提取,根据基频曲线及音调特征提出FDS-set(Fundamental frequency Digital Statistical feature Set)、EVR(Eight-tenths of the Vocal Range)、PVPD(Pitch Peak-Valley Profile Distance)、TFF(Tone Fluctuation Frequency)音调域声学动态特征参数,将其音调域动态声学特征参数集与SVM分类器结合,实现精神分裂症的自动检测。实验数据采集于28位精神分裂症患者及28位正常人,共448句语音样本。实验结果表明,提出的基于语音音调域动态特征的精神分裂症自动检测算法在精神分裂症自动检测的正确率达88.39%。相比国内外现状方法,该算法能够提取精神分裂症患者独特的语音音调特征,为临床医生提供客观的辅助诊断方法,具有重要的临床研究意义。

基于语音情绪识别方法的电路设计与仿真

利用语音特征元素自动识别人的情感状态已成为智能医疗的研究热点。基于单片机技术和语音声学特征原理,针对语速、幅值、基音频率等特性进行综合分析,设计了一种针对双相情感障碍的语音情绪识别电路。该电路包含信号采集、阈值比较和计数计算等6个核心模块,实现了语音信号的有效捕捉、分析和情绪状态的二分类判别。通过采用实际语音样本和信号模拟,利用Multisim软件对电路进行仿真分析,证明了该电路的实效性和正确性。该电路设计结构紧凑,有较好的针对性和验证性,具有一定教学价值。

基于多延迟四阶累积量倍频程谱线的腭裂语音咽擦音自动检测算法

为了实现对腭裂语音咽擦音及正常音节的自动分类检测,通过对腭裂咽擦患者发音特点的研究,提出了基于多延迟四阶累积量倍频程谱线(Fourth-order Cumulant One-third Octave Spectra Line,FTSL)的腭裂语音咽擦音自动检测算法。目前,咽擦音的研究多基于咽擦音的辅音时长及其在频域的能量分布等特征,实现了咽擦音及正常擦音自动检测的其他研究较少。文中实验基于腭裂语音咽擦音的发音特性,通过研究语音信号的多延迟四阶累计量,利用1/3倍频程算法提取特征谱线,实现了腭裂语音咽擦音与正常擦音的自动分类检测。实验提取了200个正常擦音辅音和194个腭裂语音咽擦音辅音的FTSL特征谱线,使用SVM(Support Vector Machine)分类器进行分类,并设计了FTSL谱线与其他传统语音特征的对比实验,进行了充分的分析讨论。实验结果表明,FTSL谱线对咽擦音的自动分类检测正确率高达92.7%,具有较优的性能,能为临床腭咽功能评估提供有效、客观、无创的辅助依据。