基于情感刺激的语音抑郁症检测分析

抑郁症是一种常见的精神障碍疾病,早期的检测和诊断对抑郁症预防和治疗至关重要。基于语音的抑郁症检测是当前计算机辅助检测方法中的一种高效、便捷的手段。为了探索不同的情感刺激是否对语音抑郁症检测存在影响,本文首先构建了抑郁症分析声学特征集,接着使用非参数检验的方法分析不同情感刺激性下抑郁与非抑郁个体之间声学特征的显著性差异,再采用情感刺激(积极、消极、中性)和任务类型(文本朗读、问答)组合的实验设计,通过机器学习和深度学习算法分别构建语音抑郁症检测模型。实验结果证明使用情感刺激会对抑郁症检测任务产生一定程度的影响,并且消极的情感刺激更容易诱发抑郁相关的情绪,对个体的发音特性产生影响,进而取得比积极刺激和中性语音更好的检测效果。

Cu-Mn-Fe催化湿式氧化苯酚废水的研究

采用共沉淀法制取Cu-Mn-Fe复合金属氧化物,考察其催化湿式氧化苯酚废水的活性,并确定最佳工艺条件。结果表明,在催化剂用量为0.7g·L-1,30%过氧化氢用量为50m L·L-1,反应时间2h,反应温度55℃的条件下,苯酚废水的COD去除率最高可达71.9%。

数字世界的居民——虚拟数字人

陪伴在虚拟空间的“朋友”虚拟数字人存在于电脑和网络世界中,你可以和它们交流,它会慢慢“了解”你的习惯,变得越来越“懂”你。为了让这些虚拟朋友更真实,科学家开发了一系列技术。听懂你在说什么听懂的背后是自然语言处理技术在起作用,它包括语音识别、语言理解、语言生成等技术,这让虚拟数字人可以理解并生成自然语言。

基于DNN的发音偏误趋势检测

正音反馈的计算机辅助对外汉语发音训练系统已有发音偏误趋势的标注体系和基于HMM的偏误趋势检测系统。为了进一步提高系统的性能,该文应用深度神经网络进行声学建模,比较Mel频率倒谱系数（Mel-frequency cepstral coefficient,MFCC）、感知线性预测分析系数（perceptual linear predictive analysis,PLP）和Mel滤波器组系数（Mel filter bank,FBank）3种声学特征参数,并利用网格联合技术整合3种声学特征所得的候选网格。实验结果表明：DNN-HMM模型比GMM-HMM实现了更高检测正确率。针对不同发音偏误趋势,3种声学特征有不同表现,联合系统取得最高性能,最终性能为：错误拒绝率5.5%,错误接受率35.6%,检测正确率88.6%。