2、自动声门源分析评估与声学事件分类的新方法

自动声门源分析评估与声学事件分类的新方法

在语音和声学研究领域，自动声门源分析以及声学事件分类是两个重要的研究方向。前者有助于深入理解语音产生机制和语音质量，后者则在智能场景感知、语音识别预处理等方面具有重要应用价值。

自动声门源分析评估

在自动声门源分析评估中，主要涉及到声门逆滤波方法和相关参数的研究。

不同逆滤波方法的性能对比

研究采用了三种逆滤波方法：CPIF（蓝色）、IAIF（红色）和CCEPS（黑色），对NAQ、QOQ和H1 - H2这三个参数在不同的f0和F1条件下进行了相对误差评估。
|参数|f0相关相对误差|F1相关相对误差|
| ---- | ---- | ---- |
|NAQ|不同逆滤波方法有不同表现|不同逆滤波方法有不同表现|
|QOQ|不同逆滤波方法有不同表现|不同逆滤波方法有不同表现|
|H1 - H2|不同逆滤波方法有不同表现|不同逆滤波方法有不同表现|

从结果来看，不同的逆滤波方法对不同参数的适用性有所不同。例如，CPIF特别适合推导时间域参数NAQ和QOQ，这些参数在CPIF方法下对f0和声道滤波器设置的变化不太敏感。然而，对于频域参数H1 - H2，CPIF的输出明显不太合适，这可能与CPIF会产生比其他逆滤波方法更高水平的频谱失真有关。而IAIF在实验中表现相对稳定，在与NAQ结合用于区分呼吸音和紧张音以及在合成语音信号的准确性方面特别有用。

语音质量区分实验

语音质量区分实验结果总结在表1中。与元音数据相比，在分析连续语音时，语音质量的整体区分度有所降低，这可能是由于连续语音中某些部分（如某些浊辅音）进行