面向旁路性音高语音的全卷积神经网络检测

许多语音障碍会导致旁路性音高语音，但目前的语音信号分析技术缺乏可可靠检测旁路性存在的方法。将旁路性音高语音与正常音高语音区分具有挑战性，因为两者几乎都是周期性现象。旁路性音高语音在正常声门周期上添加了周期性变化。因此，检测旁路性周期的估计需要对信号进行整体分析。深度学习是解决此类复杂问题的有效方法。本文描述了使用合成旁路性语音信号进行训练的全卷积神经网络，用于分类旁路性周期。合成评估显示分类准确率超过 98%，对持续元音记录的评估也显示令人鼓舞的成果，同时也确定了未来改进的方向。