【摘要】：利用語(yǔ)音障礙進(jìn)行帕金森病檢測(cè)是目前帕金森病早期診斷的研究熱點(diǎn)之一。近年來(lái)基于深度學(xué)習(xí)的語(yǔ)音障礙檢測(cè)發(fā)展迅速,且檢測(cè)正確率高。由于深度學(xué)習(xí)固有的特點(diǎn),使得通過深度學(xué)習(xí)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)的語(yǔ)音特征在醫(yī)學(xué)上可解釋性較差。針對(duì)這一問題該文提出研究帕金森病語(yǔ)音傳統(tǒng)特征梅爾頻率倒譜系數(shù)和語(yǔ)音深度學(xué)習(xí)特征間的關(guān)系。主要使用偏最小二乘法、多任務(wù)Lasso(Least absolute shrinkage and selection operator)和多任務(wù)彈性網(wǎng)三種方法展開一系列討論。首先,該文通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)語(yǔ)音數(shù)據(jù)集進(jìn)行分類,得到預(yù)訓(xùn)練模型。利用預(yù)訓(xùn)練模型提取語(yǔ)音的深度學(xué)習(xí)特征,同時(shí)提取語(yǔ)音的梅爾頻率倒譜系數(shù),進(jìn)而對(duì)以上兩種特征進(jìn)行相關(guān)性分析,論證該文提出方法的可行性。構(gòu)造了一種從語(yǔ)音梅爾頻率倒譜系數(shù)解碼語(yǔ)音深度學(xué)習(xí)特征的解碼框架。其次,利用偏最小二乘法對(duì)語(yǔ)音數(shù)據(jù)訓(xùn)練集的兩個(gè)特征集進(jìn)行多元映射,并通過對(duì)比實(shí)驗(yàn)確定偏最小二乘法的成分個(gè)數(shù)。利用訓(xùn)練集得到的偏最小二乘法模型對(duì)測(cè)試集語(yǔ)音的梅爾頻率倒譜系數(shù)進(jìn)行解碼,進(jìn)一步的對(duì)語(yǔ)音的深度學(xué)習(xí)解碼特征進(jìn)行質(zhì)量檢驗(yàn),并對(duì)偏最小二乘法模型進(jìn)行分析。再次,利用多任務(wù)Lasso實(shí)現(xiàn)對(duì)語(yǔ)音數(shù)據(jù)訓(xùn)練集的兩個(gè)特征集間的多元映射,通過對(duì)比實(shí)驗(yàn)實(shí)現(xiàn)對(duì)多任務(wù)Lasso模型參數(shù)的優(yōu)化。利用優(yōu)化后多任務(wù)Lasso模型實(shí)現(xiàn)對(duì)測(cè)試集語(yǔ)音梅爾頻率倒譜系數(shù)的解碼,對(duì)語(yǔ)音的深度學(xué)習(xí)解碼特征進(jìn)行質(zhì)量檢驗(yàn),并對(duì)分多任務(wù)Lasso模型進(jìn)行分析。最后,利用多任務(wù)彈性網(wǎng)實(shí)現(xiàn)對(duì)語(yǔ)音數(shù)據(jù)訓(xùn)練集的兩個(gè)特征集多元映射,通過多組對(duì)比實(shí)驗(yàn)完成對(duì)多任務(wù)彈性網(wǎng)模型參數(shù)的優(yōu)化。利用優(yōu)化后多任務(wù)彈性網(wǎng)模型實(shí)現(xiàn)對(duì)測(cè)試集語(yǔ)音梅爾頻率倒譜系數(shù)的解碼,對(duì)語(yǔ)音的深度學(xué)習(xí)特征進(jìn)行質(zhì)量檢驗(yàn),并對(duì)多任務(wù)彈性網(wǎng)模型進(jìn)行。同時(shí)對(duì)比分析該文所提出的三種多元映射方法在對(duì)語(yǔ)音梅爾頻率倒譜系數(shù)進(jìn)行解碼的過程中的表現(xiàn)。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;TN912.3;R742.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 車環(huán)宇;趙凌志;倪雪;滕國(guó)生;車

本文編號(hào)：2751612