腭裂语音高鼻音等级自动识别算法研究

为了对腭裂语音的高鼻音进行等级区分,提出基于声学特征参数分析的腭裂语音高鼻音等级自动识别算法,提取基于香农能量和Mel倒谱系数(Mel frequency cepstrum coefficient,MFCC)的S-MFCC作为声学特征参数,结合高斯混合模型(Gaussian mixture model,GMM)分类器实现对腭裂语音4类高鼻音等级(正常、轻度、中度和重度)的自动识别。实验结果表明,提出的自动识别算法取得了较高的高鼻音类别正确识别率,对4类高鼻音的平均识别率达到79%以上,其中,提出的S-MFCC参数取得了85%的平均正确识别率,优于传统的香农能量算法、MFCC算法,具有较高的临床应用价值。

基于发声模型的腭裂语音高鼻音自动检测算法

通过对腭裂语音发声模型进行研究,提出基于激励、声道、辐射模型特征参数的腭裂语音高鼻音等级自动识别算法。通过对基于激励模型的基音频率、基于声道模型的共振峰参数、基于综合发声模型的短时能量和Mel倒频谱系数等表征高鼻音特性的参数进行分析和改进,以K-最近邻算法为模式识别分类器,得出应用4种特征参数的高鼻音等级自动识别结果。实验结果表明,Mel倒频谱系数与腭裂语音临床生理特征相关性最大,对不同等级高鼻音识别率最高。