对多头脑投影表示策略进行实验分析,用于检测失声症.
Rodrigo Colnago Contreras1, Monique Simplicio Viana2, Everthon Silva Fonseca2
1Department of Computer Science and Statistics, Institute of Biosciences, Letters and Exact Sciences, São Paulo State University, São José do Rio Preto 15054-000, SP, Brazil.
Sensors (Basel, Switzerland)
|June 10, 2023
概括
这项研究引入了一种新的机器学习框架,用于检测语音失声症,这是一种影响语音生物识别的疾病. 拟议的方法有效地识别了声音变化,提高了基于语音的身份验证系统的可靠性.
科学领域:
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 生物识别身份验证系统越来越依赖于语音识别来实现安全.
- 失声症是一种声乐障碍,可能会损害语音生物识别,导致认证失败.
- 开发用于听障的自动检测技术对于强大的基于语音的安全性至关重要.
研究的目的:
- 提出一种新的框架来检测语音信号中的听障.
- 通过解决与失声相关的不准确性,提高语音生物识别的可靠性.
- 为了利用机器学习来自动识别声调变化.
主要方法:
- 用多个投影的 cepstral 系数来表示语音信号.
- 分析各种 Cepstral 系数提取技术和基本频率测量.
- 在三个不同的机器学习分类器上评估表示能力.
- 在萨尔布鲁肯语音数据库的一个子集上进行实验.
主要成果:
- 拟议的框架在检测失声症的存在方面表现出有效性.
- 塞普斯特拉系数,当与基本频率测量相结合时,显示出显著的表示能力.
- 机器学习分类器成功地识别了语音样本中的失声变化.
结论:
- 开发的框架为自动语音失声检测提供了一个有希望的方法.
- 这项研究有助于提高语音生物识别系统的准确性和安全性.
- 进一步的研究可以探索这种技术在临床环境和安全方面的更广泛应用.


