检索结果-南通市图书馆

作者：赵建星太原理工大学

学位级别：硕士

随着语音识别技术的发展,将语音信号处理和计算机技术用于解决医疗领域问题成为目前研究的热点。构音障碍是一种发音相关肌肉或神经病变所导致的发音障碍,由发音器官病变所引发病理语音的产生,导致患者不能进行有效的语言交流,给日常生... 详细信息

随着语音识别技术的发展,将语音信号处理和计算机技术用于解决医疗领域问题成为目前研究的热点。构音障碍是一种发音相关肌肉或神经病变所导致的发音障碍,由发音器官病变所引发病理语音的产生,导致患者不能进行有效的语言交流,给日常生活带来极大的不便,目前现有的语音识别系统对于构音障碍患者的语音识别效果不佳,如何进一步提升构音障碍语音识别率成为亟待解决的问题。本文从语音频域特征与网络模型两方面着手,通过提取有效的构音障碍语音特征信息,改进构音障碍语音识别模型结构,进而提升构音障碍语音识别率。本文的主要研究内容如下:(1)为了能够有效地提取构音障碍语音信号的低频有效细节信息,提出一种多尺度滤波器组(Multiscale Filter Banks,MFbank)特征图谱提取算法。该算法采用经验模态分解方法分解语音信号,筛选出三个有效分量,分别提取其Fbank特征及其一阶差分,从而构成能够捕捉构音障碍语音信号频域细节信息的新特征图谱,并在单路卷积神经网络(Convolutional Neural Networks,CNN)模型上进行训练和识别。实验结果表明,MFbank特征图谱的识别率达到91.12%,优于MFCC特征和Fbank特征的识别效果,能够有效地弥补遗漏掉的语音低频细节特征。(2)为了更好地提取到符合人耳听觉结构特性的语音信息,提出一种双通道滤波器组(Binary Channels Filter Banks,BCFbank)特征提取算法。该算法采用两条支路对构音障碍语音信号进行特征参数提取,一条支路采用Mel滤波器组进行滤波,再进行对数变换;另一条支路采用Gammatone滤波器组进行滤波,再进行非线性响度变换,然后将两条支路的参数叠加得到新特征,并在单路CNN模型上进行训练和识别。实验结果表明,BCFbank特征的识别效果优于Fbank特征,验证了所提BCFbank特征提取算法的有效性。(3)为了能够自适应地将构音障碍语音信号进行有效的分解、频率划分以及提升语音识别率,提出一种多尺度双通道滤波器组(Multiscale Binary Channels Filter Banks,MBCFbank)特征图谱提取算法。该算法采用变分模态分解方法分解语音信号,筛选出三个相关系数高的语音信号分量,分别提取其BCFbank特征及其一阶差分,同时对未分解语音信号直接提取BCFbank特征,将提取的各帧特征拼接在一起构成新特征图谱,并在单路CNN模型上进行训练和识别。实验结果表明,MBCFbank特征图谱的识别效果优于Fbank特征、BCFbank特征和MFbank特征图谱,识别率最高达到了92.69%,能够有效地分解构音障碍语音信号,提取更加全面的语音信息,进而提升了构音障碍语音识别效果。(4)为了降低网络模型训练过程中的参数量与计算复杂度,采用深度可分离卷积(Depthwise Separable Convolution,DSC)对单路CNN模型进行改进,搭建了一种单路CNN+DSC模型结构。该模型在模型前部分先使用CNN,后部分让CNN与DSC两者交替使用,再采用联结时序分类算法对语音特征图进行训练和解码,并对6种不同的特征在该模型上进行实验对比。实验结果表明,6种不同的特征在单路CNN+DSC模型上都能得到相应的模型准确率,验证了该模型结构的有效性。(5)针对单条支路的网络模型在提取特征过程中遗漏掉部分有效特征的缺点,提出一种基于CNN的双路语音识别模型结构。该模型采用CNN和DSC在深度和宽度两个不同维度上对语音信号的声学模型进行建模,采用Concat()函数将两条支路提取的特征进行拼接得到新特征图,再采用联结时序分类算法对语音特征图进行训练和解码,并对6种不同的特征在该模型上进行实验对比。实验结果表明,MBCFbank特征图谱在基于CNN的双路语音识别模型上的识别率最高达到了94.34%,因此,本文所提特征提取算法及网络模型优化能够有效地提高构音障碍语音识别率。

关键词：构音障碍语音识别经验模态分解 Fbank特征变分模态分解卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于VMD的双通道构音障碍语音特征图谱提取算法

引用

东北大学学报（自然科学版） 2024年第6期45卷 793-801页

作者：薛珮芸白静张楠赵建星太原理工大学电子信息工程学院山西晋中030600 山西高等创新研究院博士后科研工作站山西太原030024 中北大学信息与通信工程学院山西太原030024

针对在提取构音障碍患者语音有效特征信息不足,导致语音识别率低的问题,提出一种基于变分模态分解(VMD)的多尺度双通道滤波器组(MBCFbank)特征图谱提取算法.首先,为了更好地提取符合人耳听觉结构特性的声学特征,提出一种双通道滤波器组(... 详细信息

针对在提取构音障碍患者语音有效特征信息不足,导致语音识别率低的问题,提出一种基于变分模态分解(VMD)的多尺度双通道滤波器组(MBCFbank)特征图谱提取算法.首先,为了更好地提取符合人耳听觉结构特性的声学特征,提出一种双通道滤波器组(BCFbank)特征提取算法,该算法采用Mel滤波后做对数变换,同时采用Gammatone滤波后作非线性响度变换;其次,采用VMD来优化BCFbank特征,对分解后的多个语音信号分量筛选出相关系数较高的3个,分别提取其BCFbank特征及其差分特征,同时对未分解的语音信号提取BCFbank特征,从而构成MBCFbank特征图谱;最后,在双路语音识别模型上进行训练和识别.实验结果表明,基于BCFbank特征、MBCFbank特征图谱的语音识别模型准确率最高分别达到了87.82%,94.34%,优于Fbank特征的识别效果.

关键词：构音障碍语音识别变分模态分解卷积神经网络 MBCFbank特征

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：