14、阿尔茨海默病的语音检测研究

阿尔茨海默病的语音检测研究

1. 语音特征提取与分析

在语音信号处理中，我们从每个语音样本中提取了75个特征，这些特征涵盖了语音的多个方面，为后续的研究和诊断提供了丰富的数据基础。

1.1 停顿相关特征

我们采用了三种方法将语音信号分割为说话期和停顿期：
- 基于音高检测 ：使用YAAPT算法检测说话者的音高，将无声音且时长超过200ms的时段判定为停顿，有声段需长于50ms。
- 基于能量检测 ：通过设置信号能量阈值来区分语音和停顿。
- 基于语音活动检测（VAD） ：利用Sohn等人（1999）的VAD方法进行检测。

停顿相关的特征包括总停顿次数、不同时长停顿的比例等，具体特征如下表所示：
| Feature name | Explanation |
| — | — |
| tot_utter_len | 排除首尾停顿后的话语总长度 |
| tot_n_pauses | 语音话语中的总停顿次数 |
| frac_speech_len | 语音在总话语长度中所占的比例 |
| frac_p_len | 停顿在总话语长度中所占的比例 |
| frac_p_lt_0.5s | 时长小于0.5s的停顿比例 |
| frac_p_0.5_1s | 时长在0.5 - 1s之间的停顿比例 |
| frac_p_gt_1s | 时长大于1s的停顿比例 |
| … | … |

通过对这些停顿特征的分析，我们发现