基于听觉模型的腭裂语音高鼻音自动识别系统研究

本文主要探讨了结合听觉模型的腭裂语音高鼻音等级自动识别技术，这对于改善唇腭裂患者的生活质量和早期诊断具有重要意义。腭裂是一种常见的先天缺陷，伴随着一系列生理和言语问题，其中高鼻音是常见的语音特征。研究者针对这一问题，开发了一种自动分类系统。 该系统的核心在于利用听觉模型来解析语音信号的内在表达，通过提取Soft Limited Ratio (SLR)谱特征，这是一种基于同步检测器的方法，可以捕捉到语音信号中的关键模式。同时，文章对比了不同的滤波器类型，如Gammatone滤波器（基于等效矩形带宽，ERB）和小波包滤波器（基于Bark尺度），发现Gammatone滤波器在识别效果上更优，因为它能更好地模拟人耳的频率响应特性。 此外，研究还考察了滤波器通道数量对算法性能的影响，发现54个通道的设置在保证算法效率的同时，能够提供较高的识别准确率。在特征提取方面，实验结果显示同步检测器提取的SLR谱特征相较于侧抑制网络（Lateral Inhibition Network，LIN）提取的LIN谱特征更能有效地反映高鼻音的差异。 实验数据来源于56名儿童的3086个语音样本，结果显示，最终的自动识别系统能够实现对腭裂语音高鼻音的四类等级（正常、轻度、中度和重度）的准确划分，最高分类正确率达到了惊人的91.50%，这为临床医生在非侵入性的方式下评估患者的腭咽功能提供了有力工具。 结合听觉模型的腭裂语音高鼻音等级自动识别技术是一项创新性的研究，它利用先进的信号处理方法和技术，不仅提高了诊断的精确度，也为早期干预和个性化治疗提供了科学依据。未来，这项技术有望进一步推广和优化，以更好地服务于广大唇腭裂患者。