60、婴儿哭声分类与语音障碍识别的机器学习研究

婴儿哭声分类与语音障碍识别的机器学习研究

在医疗领域，婴儿哭声分类和语音障碍识别是两个重要的研究方向。前者有助于通过分析婴儿哭声来检测潜在的健康问题，后者则能辅助医生快速准确地诊断语音障碍。本文将介绍相关研究中使用的特征、模型以及实验结果。

婴儿哭声分类

• 特征提取与模型架构
  • 特征集 ：研究提出了基于激励源的线性频率残差倒谱系数（LFRCC）特征集，并将其性能与传统的梅尔频率倒谱系数（MFCC）和线性频率倒谱系数（LFCC）进行比较。39维的MFCC和LFCC特征通过30ms的窗口长度和15ms的窗口重叠进行提取，每个特征集包含13维静态特征、13维一阶差分特征和13维二阶差分特征。
  • CNN架构 ：以下是CNN的架构表：
    |输出大小|描述|
    | ---- | ---- |
    |(39,893,16)|LFCC|
    |(19,446,16)|卷积层，16个滤波器，批量归一化（BN），ReLU激活函数|
    |(19,446,16)|最大池化，(2,2)，丢弃率0.25|
    |(19,446,32)|卷积层，32个滤波器，BN，ReLU|
    |(9,223,32)|最大池化，(2,2)，丢弃率0.25|
    |(9,223,64)|卷积层，64个滤波器，BN，ReLU|
    |(4,111,64)|最大池化，(2,2)，丢弃率0.25|
    |(4,111,16)|卷积层，16个滤波器，BN，ReLU|
    |(4,111,16)|丢弃率0.25|