20、基于非线性动力学 HMM 变换的连续语音喉病理自动检测

基于非线性动力学 HMM 变换的连续语音喉病理自动检测

1. 引言

多年来，语音病理检测主要通过声学、倒谱和语音扰动分析来实现。在持续语音和连续语音检测中都取得了不错的成果。然而，在无法估计音高周期的情况下，如病理程度严重时，这些特征存在稳定性和准确性问题。

语音产生过程中声带振动的非线性行为已被证实，目前研究人员正致力于利用非线性动力学（NLD）开发自动、准确的语音病理检测方法。这一问题主要可从两个方面解决：持续发声评估和连续语音评估。

在使用 NLD 特征评估持续发声时，有研究报告称考虑一组六个 NLD 特征（如互信息的第一个最小值、相关维度等）时，准确率可达 99.69%；也有仅考虑相关维度时，成功率为 94.44%。还有研究将声学、倒谱、扰动和 NLD 特征混合评估持续语音，准确率达 98.23%。

对于连续语音，它包含了更多音高周期、节奏、语调等超音段特征的信息。有研究考虑十四种梅尔频率倒谱系数等特征，在部分数据库上准确率达 96.3%；也有通过不同抖动实现方式，在数据库所有语音记录上自动检测喉病理，准确率达 94.82%；还有考虑 NLD 特征统计量来表征连续语音信号，准确率达 95%。

为实现病理语音信号和健康记录的自动分类，本文引入不同 NLD 特征，考虑了四个复杂度度量：相关维度（Dc）、最大 Lyapunov 指数（λmax）、Hurst 指数（H）和 Lempel - Ziv 复杂度（LZC）。这些特征通过隐马尔可夫模型（HMM）和应用于 HMM 的核进行建模，最后使用支持向量机（SVM）进行分类。

2. 非线性动力学（NLD）特征描述

NLD 特征在语音产生过程中存在非线性