用于 COVID-19 检测的呼吸与语音信号可解释声学表示学习
音频与语音处理
2022-06-28 v1 机器学习
声音
摘要
本文描述一种用于 COVID-19 检测任务的音频信号表示学习方法。原始音频样本经一组参数化为余弦调制高斯函式的 1-D 卷积滤波器组处理。此类核的选择使得该滤波器组可被解释为平滑带通滤波器。滤波输出经池化、对数压缩,并用于基于自注意力的相关性加权机制。该相关性加权突出了对下游任务重要的时频分解关键区域。模型后续层由循环架构组成,并以 COVID-19 检测任务训练。在 Coswara 数据集上的实验中,我们显示所提模型相较基线系统及其他表示学习方法取得显著性能提升。进一步,所提方法被证明统一适用于语音与呼吸信号以及从更大数据集的迁移学习。
引用
@article{arxiv.2206.13365,
title = {Interpretable Acoustic Representation Learning on Breathing and Speech Signals for COVID-19 Detection},
author = {Debottam Dutta and Debarpan Bhattacharya and Sriram Ganapathy and Amir H. Poorjam and Deepak Mittal and Maneesh Singh},
journal= {arXiv preprint arXiv:2206.13365},
year = {2022}
}