应用机器学习分类模拟人声中流致声参数
声音
2022-07-20 v1 音频与语音处理
生物物理
摘要
嗓音产生障碍对患者的生活质量有严重影响。采用一种仿真方法研究嗓音产生中的因果链，展现出如声门下压等嗓音典型特征，以及如声门闭合不全和左右不对称等功能嗓音障碍特征。据此，利用已发表的混合气动声学仿真模型，在参数研究中模拟了 24 种不同的嗓音配置。基于这 24 种仿真配置，将仿真评估点处的选定声学参数（HNR、CPP 等）与这些仿真配置细节相关联，以基于仿真结果推导人声发声中流致声产生的特征性认识。近来，若干机构研究了气流与声学特性的实验数据，并将其与健康及障碍嗓音信号相关联。在此基础上，本研究朝详细数据集定义迈出了下一步：数据集虽小，但基于现有 simVoice 仿真方法对相关特征的定义十分精确。通过相关性分析研究这些小数据集，并采用带 RBF 核的支持向量机分类器对表征进行分类。利用线性判别分析将各项研究的维度可视化。由此可建立相关性并确定由嘴前声学信号评估出的最重要特征。基于 CPP 与箱线图可视化可最佳区分 GC 类型。此外，利用 LDA 降维特征空间，能以 91.7% 的准确率最佳分类声门下压，且与健康或障碍嗓音仿真参数无关。
引用
@article{arxiv.2207.09265,
title = {Machine-learning applied to classify flow-induced sound parameters from simulated human voice},
author = {Florian Kraxberger and Andreas Wurzinger and Stefan Schoder},
journal= {arXiv preprint arXiv:2207.09265},
year = {2022}
}
备注
17 pages, 11 figures, v0.1, work in progress, working paper