嗓音多频带非线性分析的声带病变识别
发布时间：2019-07-29 15:41
【摘要】：提出了一种嗓音多频带非线性分析的声带病变识别方法,以提高声带病变嗓音的识别率。首先采用Gammatone听觉滤波器组对嗓音信号进行滤波,求取每个频带下的最大李雅普诺夫指数;对映射到核空间的数据采用高斯最大似然度准则优化核函数,然后采用优化核主成分分析算法实现特征抽取。识别实验表明,多频带最大李雅普诺夫指数的识别率比传统的MFCC和最大李雅普诺夫指数分别有6.52%和8.45%的提高,且采用优化核主成分分析算法比传统核主成分分析算法有更好的抽取效果.将多频带非线性分析和优化核主成分分析算法结合,识别率提升至97.82%。
【图文】：
1期周强等：嗓w多频带非线性分析的声带病变识别 113相空间相邻轨道的T均指数发散率和平均h:数收敛 （2)以初始相点而）为基点，在点集中选取一个%I251,其中最大的h:数称为LLE，可以定量地表示 与a:n最近的点A作为端点，构成初始向姑，xa,x\非线性动力系统在其相空间中的稳定状态，，如表1 间欧氏距离可记为L(i0)。所示. （3)时问步长或演化时间k,初始向世沿轨线^1lle反应相空_引r的特征 向前演化得到一新向量，其相应点_'-J'端点间欧氏距 — — 离可记为MM,在相应时段内系统线度指数增长率LLE 极足状念A<0稳定的不动点 ^匕为：！T(十，、 A—-In ⑷A=0 稳定的极限环 kL{t0)'A>() (4)如此继续，直至所有相点，然后取各h:数增LLE的定义如T: 长率的T?均值为最大Lyapunov指数估计值：、—r11|6叉⑴I/q\ 、11L(ti) ,r、、A—lim—In.r(3) A=—："“〉—In (o)“oo《5义0, Nm^kL{ti-i)2=1、'其中|<5X()|表示相空间中两个轨道之间的初始距离， 嗓&信号通过Gammatone滤波器组后，分别对|^'X(/,)|表示t时刻后的距离.关LLE的计兑方法每个频带信号求取最大李雅普诺夫指数。图1给川有很多，本文采用的是Wolf兑法_。 了声带水肿（左）和正常嗓音（右）MBLLE参数的提(1)对离散时间序列???,xN采用虚假取过程的实例。例举两嗓T呍诘
本文编号：2520601
【图文】：
1期周强等：嗓w多频带非线性分析的声带病变识别 113相空间相邻轨道的T均指数发散率和平均h:数收敛 （2)以初始相点而）为基点，在点集中选取一个%I251,其中最大的h:数称为LLE，可以定量地表示 与a:n最近的点A作为端点，构成初始向姑，xa,x\非线性动力系统在其相空间中的稳定状态，，如表1 间欧氏距离可记为L(i0)。所示. （3)时问步长或演化时间k,初始向世沿轨线^1lle反应相空_引r的特征 向前演化得到一新向量，其相应点_'-J'端点间欧氏距 — — 离可记为MM,在相应时段内系统线度指数增长率LLE 极足状念A<0稳定的不动点 ^匕为：！T(十，、 A—-In ⑷A=0 稳定的极限环 kL{t0)'A>() (4)如此继续，直至所有相点，然后取各h:数增LLE的定义如T: 长率的T?均值为最大Lyapunov指数估计值：、—r11|6叉⑴I/q\ 、11L(ti) ,r、、A—lim—In.r(3) A=—："“〉—In (o)“oo《5义0, Nm^kL{ti-i)2=1、'其中|<5X()|表示相空间中两个轨道之间的初始距离， 嗓&信号通过Gammatone滤波器组后，分别对|^'X(/,)|表示t时刻后的距离.关LLE的计兑方法每个频带信号求取最大李雅普诺夫指数。图1给川有很多，本文采用的是Wolf兑法_。 了声带水肿（左）和正常嗓音（右）MBLLE参数的提(1)对离散时间序列???,xN采用虚假取过程的实例。例举两嗓T呍诘
本文编号：2520601
本文链接：https://www.wllwen.com/kejilunwen/wltx/2520601.html
