嗓音是人類進(jìn)行溝通與交流的重要工具,嗓音好壞對人們的言語表達(dá)有直接的影響。聲帶作為發(fā)聲系統(tǒng)的重要組成部分,其病變是導(dǎo)致嗓音出現(xiàn)問題的重要原因。采用聲學(xué)分析技術(shù)對病理嗓音信號進(jìn)行分析和研究,可以實(shí)現(xiàn)對嗓音質(zhì)量的客觀評估,對喉部疾病的診斷和治療具有臨床指導(dǎo)意義。隨著研究的深入,臨床上對聲帶類嗓音疾病細(xì)分類的研究已成為病理性嗓音檢測的熱點(diǎn)。隨著計(jì)算機(jī)處理能力的提升,深度學(xué)習(xí)在語音識別領(lǐng)域取得了顯著效果。本文針對聲帶類嗓音疾病的分類問題和利用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)嗓音疾病的分類問題上進(jìn)行了相關(guān)研究,主要包括以下三個(gè)方面的內(nèi)容。1.本文針對聲帶類疾病分類時(shí)參數(shù)選擇存在的局限性,從非線性和統(tǒng)計(jì)學(xué)角度出發(fā),提出了小波包多尺度分析的嗓音特征提取方法,以提高聲帶類嗓音疾病的識別率。首先,使用小波包技術(shù)將原始嗓音信號進(jìn)行分解,得到不同頻段的子信號,然后從不同頻帶中提取非線性特征Hurst指數(shù)、2-Rényi熵、計(jì)盒維數(shù)和吸引子用以評估每個(gè)頻帶在檢測和分類病理嗓音過程中的貢獻(xiàn)。將提取的多尺度特征進(jìn)行組合,使用支持向量機(jī)（Support Vector Machine,SVM）對不同數(shù)據(jù)庫的正常和病態(tài)嗓音信號進(jìn)行二分... 

【文章來源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

最優(yōu)分類超平面

圖 4-9 采用延遲時(shí)間嵌入理論重構(gòu)的 3 維狀態(tài)空間號的相空間重構(gòu)軌跡圖像程中，在使用 CNN 對兩類嗓音信號進(jìn)行分類時(shí)，輸入到網(wǎng)絡(luò)中的樣本，首先要將重構(gòu)的三維空間軌跡圖在二維平面上進(jìn)行投影，得到二維軌跡的二維圖像進(jìn)行一定的預(yù)處理操作，將背景設(shè)置為黑色，去除坐標(biāo)軸，分辨率設(shè)置為 224*224，經(jīng)過預(yù)處理的圖像將作為 CNN 的輸入，通過有常和病理聲音的分類。以 MEEI 數(shù)據(jù)庫中正常和病態(tài)嗓音信號為例，投像如圖 4-10 所示，從投影得到的二維軌跡圖可以看出，其二維圖像仍保的基本形狀和分類特征。


本文編號：3314313