5、帕金森病语音分析中采样率的影响及选择指南

帕金森病语音分析中采样率的影响及选择指南

语音分析在帕金森病诊断中愈发重要，而采样率对帕金森病语音分析（PDVA）有着显著影响。本文将深入探讨如何通过实验确定合适的采样率，为PDVA提供基础指导。

采样率与重建误差

当采样率（SR）降至低于16 kHz时，重建误差会随着采样率的降低而急剧增加。因此，为了保证重建效果，采样率不应低于16 kHz。

特征相关性分析

由于帕金森病患者（PWPs）的声音常表现为嘶哑、呼吸声重且发音不清晰，因此提出了多种声学特征用于检测帕金森病。其中，短期梅尔频率倒谱系数（MFCC）被广泛应用于疾病（包括帕金森病）的鉴别。此外，还添加了与MFCC相关的其他特征，如第0个MFCC系数、对数能量以及MFCC的一阶和二阶导数。每个录音通过所有帧上MFCC相关特征的均值和标准差来表示。

为了分析特征相关性，具体操作步骤如下：
1. 对每个录音（包括录制的和生成的）提取上述特征。
2. 通过对所有健康受试者（HC）或帕金森病患者（PD）的特征进行平均，得到HC（PD）组的平均相关矩阵。设$v_{si}$表示从第$s$个受试者在第$i$个采样率（集合$R$中）的语音中提取的归一化特征向量，平均相关矩阵的推导公式如下：
- $\rho_{ij} = \frac{1}{S} \sum_{s = 1}^{S} v_{si}^{T} v_{sj}$
- 这里，HC组的样本数$S$为102，PD组为34，$\rho_{ij}$表示第$i$和第$j$个采样率的特征集之间的平均相关性。

实验结果表明，两两相关性高度受采样率差距的控制，差距越大，相关性越低。当两个采样率都在16 -