帕金森语音障碍的Mel变换域局部梯度统计分析

帕金森病语音障碍分析是进行基于语音的帕金森病早期诊断的信息分析基础。近年来,随着研究的深入,Mel变换域信息在本领域表现出越来越多的优势,同时提取结构特征对分类性能的提升日益显现。从帕金森病人语音信号的Mel变换域信息结构出发,提出Mel变换域局部梯度统计特征提取方法。该方法首先通过Mel频率变换的方法将语音信号转化为时频变换域能量信号,并将能量谱进行可视化表示;其次对能量数据进行滑动窗口处理,计算检测窗口内每个能量点的梯度与角度,获得Mel变换域的局部结构信息;最后根据角度统计所有检测窗口能量点的梯度,从而得到整体的局部梯度统计特征,以此表示Mel变换域中能量值的变化情况。在不同的帕金森病语音数据集上利用不同分类器进行实验,实验结果表明,与Mel变换域分析、倒谱分析和深度学习等方法相比,所提算法具有高准确度、高灵敏性的特点,从而验证了提出的局部梯度统计特征在帕金森语音障碍分析中的有效性。