文献类型：期刊文章

作　　者：于燕平[1,2] 胡维平[1]

机构地区：[1]广西师范大学物理与电子工程学院,广西桂林541004 [2]柳州铁道职业技术学院电子工程系,广西桂林545007

出　　处：《计算机工程与应用》

基　　金：广西自然科学基金No.0448035~~

年　　份：2009

卷　　号：45

期　　号：22

起止页码：194-196

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：通过分析嗓音的发音机理、病态嗓音与正常嗓音在频域的表现差异,利用小波变换对信号进行分解,突出病态嗓音的特点,提出了基于多尺度分析的小波降噪、分解的熵系数(Entropy Coefficient based on De-noise,Decomposition of Multi-scale Analysis,ECDDMA)作为识别的特征矢量集。并对比分析了语音识别中经典特征参数Mel倒谱系数(MFCC),分别运用这两种特征参数对242例正常嗓音和234例病态嗓音运用高斯混合模型(GMM)进行了识别。结果显示:ECDDMA系数较传统的模拟人耳听觉非线性特性的MFCC及其动态特征能更准确地表征正常与病态嗓音之间的差异,有利于同时提高病态和正常嗓音的识别率。

关 键 词：高斯混合模型(GMM)  病态嗓音  Mel倒谱系数(MFCC)  小波变换

分 类 号：TN912]