基于MFCC相关性分析的COVID-19声音相似性研究
声音
2020-10-20 v1 计算与语言
音频与语音处理
摘要
近来，来自医院、诊所和实验室等前线的工作人员，以及研究人员和科学家，在抗击COVID-19大流行中付出了巨大努力，相关工作令人瞩目。由于该病毒的疯狂传播，人工智能通过实现自动语音识别（ASR）和深度学习算法的基本原理，在卫生领域占据了相当大的比重。在本文中，我们阐明了语音信号处理在提取COVID-19和非COVID-19样本的梅尔频率倒谱系数（MFCCs）中的重要性，并利用皮尔逊相关系数找出它们之间的关系。我们的结果表明，不同COVID-19咳嗽和呼吸声音的MFCC之间具有高度相似性，而语音的MFCC在COVID-19与非COVID-19样本之间更具鲁棒性。此外，我们的结果是初步的，在进一步诊断该疾病时，有可能将COVID-19患者的语音排除在处理之外。
引用
@article{arxiv.2010.08770,
title = {Studying the Similarity of COVID-19 Sounds based on Correlation Analysis of MFCC},
author = {Mohamed Bader and Ismail Shahin and Abdelfatah Hassan},
journal= {arXiv preprint arXiv:2010.08770},
year = {2020}
}
备注
5 pages, 4 figures, conference paper