融合多种语音特征参数的阈下抑郁风险预测

声纹识别为阈下抑郁辨识诊断和干预评价提供客观的参考依据。本研究采用不同言语方式(读/a/音、文本朗读、图片描述、自由访谈)和情绪刺激(正性、中性、负性),融合韵律、音色、频谱、共振峰等4类语音特征,提取出Mel频率倒谱系数、音速、基频、共振峰等16种特征参数,利用随机森林分类算法建立阈下抑郁风险预测模型,并与其他分类器对比。结果表明:未融合特征前图片描述和自由访谈的识别率高于其他言语方式,其中正性刺激的预测结果更好,准确率达72.50%和67.39%;融合特征后读/a/音和自由访谈分别获得了93.00%和85.00%的高准确率。由此可知,融合特征后模型学习到的语音信息不仅仅包含被试者的情感状态,也包含特征类型间的相互关系;读/a/音和自由访谈保留更多的声道信息,其中读/a/音发声持久、音强持续,自由访谈语量和特征全面,接近自然言语。本文结果对阈下抑郁早期风险预测有一定的参考意义。