陈承义，高俊芬

CHEN Chengyi1,GAO Junfen2

1.柳州铁道职业技术学院，广西 柳州 545007

2.广西师范大学，广西 桂林 541004

病态嗓音的识别与研究

陈承义1，高俊芬2

CHEN Chengyi1,GAO Junfen2

1.柳州铁道职业技术学院，广西 柳州 545007

2.广西师范大学，广西 桂林 541004

通过分析嗓音的发音机理，提取正常与病态嗓音的传统声学参数：基频、共振峰、Mel倒谱系数（MFCC），以及非线性特征参数：计盒维数与截距，作为病态嗓音识别的特征矢量集。应用高斯混合模型（GMM）对156例正常嗓音与146例病态嗓音进行建模与识别。结果表明：非线性特征参数计盒维数与截距能很好地区分正常与病态嗓音，它们与传统声学参数基频和共振峰的组合，能够取得92.60%的识别率。

高斯混合模型；病态嗓音；计盒维数；截距

1 引言

物体振动发出声音，声带是嗓音产生的主要振动体。声带的质量、韧性，覆盖粘膜的病变等均会影响其振动的频率、振幅和持续时间[1]。语音信号作为信息传递的重要载体，通过对病态嗓音信号的声学检测，分析嗓音信号的基频（F0）、共振峰、频率微扰、振幅微扰、Mel倒谱系数（MFCC）等各种声学参数，对异常嗓音特征作出定量分析。但它们在有效检测病态嗓音方面存在一定的局限。语音信号是一种非线性、非平稳的信号，而传统的声学参数的提取均是将语音信号近似为线性信号，这样就严重影响了特征的有效性。分形理论作为非线性信号的有效描述手段，能够有效地分析非线性语音信号。应用分形理论提取的计盒维数与截距，可以作为病态嗓音识别的特征参数。……