摘要：为提高听障患者病理语音的检测效果,提出一种融合发音动作特征和声学特征的检测方法。分析病理语音和正常语音发音动作特征的差异,提取位移、速度两种发音动作特征,提取梅尔倒谱系数、基频、共振峰3种声学特征,对两类特征归一化处理,使用核主成分分析法进行降维,在支持向量机、随机森林、多层感知机中测试特征的检测性能。实验结果表明,发音动作特征和声学特征同样有效,两类特征构成的融合特征检测效果优于单一特征,验证该方法提高了病理语音的检测效果。

摘要：针对传统仪器采集构音障碍患者发音动作特征存在时间长、舒适性差的问题,提出一种基于BLSTM的特征转换模型,将容易提取的声学特征经转换模型映射为发音动作特征。利用同步记录的声学特征和发音动作特征训练一个基于BLSTM的特征转换模型;针对转换精度过低的问题,提出一种级联预测结构,将表征发音器官运动的信息添加到模型的输入端,弥补单一声学特征揭示发音器官内部联系时的局限性。在TORGO数据集上的实验结果表明,相比于基线模型,级联预测特征转换模型能将平均皮尔逊相关系数提升11.61%,平均均方根误差减小4.10%,验证了提出的级联预测特征转换模型的有效性。

摘要：为提高说话人识别的准确率,提出一种双模态融合特征的算法。提取韵律特征和伽玛通滤波倒谱系数两种声学特征,计算其统计特性;提取舌、唇和下颌分别相对于鼻梁的发音动作参数,获得参考点发音动作特征;将声学特征和参考点发音动作特征进行融合,对其进行嵌入式特征选择,获得双模态融合特征;通过支持向量机、高斯混合模型-支持向量机进行分类。实验结果表明,参考点发音动作特征识别效果优于传统发音动作特征识别效果,双模态融合特征识别率明显高于单模态特征的识别率,验证了所提方法的有效性。