李 東， 張雪英， 段淑斐， 閆密密

(太原理工大學(xué) 信息工程學(xué)院，山西 太原 030024)

構(gòu)音障礙是指由于中樞神經(jīng)系統(tǒng)受損導(dǎo)致的發(fā)音運(yùn)動(dòng)不協(xié)調(diào)，從而產(chǎn)生語音混亂的現(xiàn)象[1]．神經(jīng)肌肉的器質(zhì)性病變會(huì)造成發(fā)音器官的肌肉無力、肌張力異?；蜻\(yùn)動(dòng)不協(xié)調(diào)，從而導(dǎo)致發(fā)聲、韻律以及共鳴等方面的異常．構(gòu)音障礙的嚴(yán)重程度決定于神經(jīng)肌肉受損的程度．腦癱是構(gòu)音障礙的一種典型病例，于發(fā)育早期形成，病變部位在腦部，除肢體運(yùn)動(dòng)障礙之外，大部分患者存在呼吸道和聲道的中樞性神經(jīng)運(yùn)動(dòng)異常[2]．據(jù)世界衛(wèi)生組織的數(shù)據(jù)統(tǒng)計(jì)，在腦癱患者中，有88%左右存在構(gòu)音障礙問題．語音信號(hào)處理是檢測(cè)構(gòu)音障礙的有效方式之一，通過提取語音中的特征參數(shù)并進(jìn)行模式分類，可以有效地將正常人和構(gòu)音障礙人進(jìn)行區(qū)分，結(jié)合相關(guān)的病理學(xué)知識(shí)，可進(jìn)一步對(duì)病情嚴(yán)重程度進(jìn)行判斷[3]．因此，進(jìn)行基于聲學(xué)特征的病理語音識(shí)別研究具有十分重要的社會(huì)意義．在目前的病理語音研究中，使用最為廣泛的數(shù)據(jù)庫是麻省眼耳醫(yī)院(Massachusetts Eye and Ear Infirmary ，MEEI)開發(fā)的病理嗓音數(shù)據(jù)庫．此數(shù)據(jù)庫收集了正常人以及各種由神經(jīng)、器官病變或外傷導(dǎo)致的發(fā)音障礙患者的語音數(shù)據(jù)．此外，還有由阿姆斯特丹大學(xué)開發(fā)的NKI-CCRT數(shù)據(jù)庫，記錄了頭頸部癌癥患者的語音數(shù)據(jù)，語言為荷蘭語；由多倫多大學(xué)開發(fā)的TORGO數(shù)據(jù)庫[4]記錄了腦癱或肌萎縮性脊髓側(cè)索硬化癥患者的語音數(shù)據(jù)，語言為英語．相比之下，漢語普通話的病理語音數(shù)據(jù)庫十分缺乏，很大程度上阻礙了相關(guān)研究的進(jìn)展．

目前，進(jìn)行病理語音識(shí)別的主要方法是: 先從語音中提取所需特征，再運(yùn)用機(jī)器學(xué)習(xí)的方法進(jìn)行識(shí)別和分類[5]．文獻(xiàn)[6]選用了MEEI病理嗓音數(shù)據(jù)庫，并提取梅爾頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficient， MFCC)作為特征參數(shù)，分別采取F檢驗(yàn)和費(fèi)雪判別比的方法進(jìn)行降維，選取高斯混合模型(Gaussian Mixture Model， GMM)作為識(shí)別系統(tǒng)，對(duì)比了兩種特征選擇方法的優(yōu)劣．在四川大學(xué)與四川大學(xué)華西口腔醫(yī)院的合作研究中，提取了MFCC作為特征，運(yùn)用隱馬爾科夫模型(Hidden Markov Model，HMM)對(duì)腭裂語音輔音省略情況進(jìn)行識(shí)別，達(dá)到了86.9%的識(shí)別正確率[7]．文獻(xiàn)[8]對(duì)于MEEI數(shù)據(jù)庫中的語音數(shù)據(jù)提取了MFCC特征，使用高斯混合模型建立模型，在語音模型的相似性度量中，對(duì)KL距離和巴氏距離進(jìn)行了改進(jìn)，使用支持向量機(jī)(Support Vector Machine， SVM)進(jìn)行識(shí)別，分別取得了96.5%和95.5%的識(shí)別正確率．文獻(xiàn)[9]使用高斯混合模型作為統(tǒng)計(jì)模型，從語音中提取出小波域能量譜系數(shù)的統(tǒng)計(jì)學(xué)特征后進(jìn)行識(shí)別，對(duì)病理語音的識(shí)別率達(dá)到97.45%．文獻(xiàn)[10]基于聲音強(qiáng)度提取出一種新特征，即修改語音輪廓(Modified Voice Contour，MVC)，并運(yùn)用支持向量機(jī)進(jìn)行識(shí)別，在使用作者自行采集數(shù)據(jù)庫作為實(shí)驗(yàn)數(shù)據(jù)時(shí)，達(dá)到了100%的識(shí)別率．雖然目前已經(jīng)有較多對(duì)于由不同疾病導(dǎo)致的構(gòu)音障礙的研究，但是大多數(shù)都采用了經(jīng)典的MFCC和共振峰等單一特征，缺少將多種類型的特征融合后進(jìn)行識(shí)別的方法．此外，識(shí)別的模型也大多局限于支持向量機(jī)、隱馬爾科夫模型和高斯混合模型等．

韻律特征在表現(xiàn)語音的流暢程度、聲調(diào)和節(jié)奏等方面性能較好[11]，能在很大程度上彌補(bǔ)MFCC在進(jìn)行語音識(shí)別時(shí)性能上的不足．隨機(jī)森林(Random Forest，RF)作為一種集成學(xué)習(xí)算法，在處理大量數(shù)據(jù)和高維特征時(shí)具有良好的性能，訓(xùn)練速度快、模型泛化能力強(qiáng)[12]．因此，筆者提出了一種結(jié)合MFCC與韻律特征的融合特征(Fusion Feature of Prosody and MFCC， FFPM)，并采用隨機(jī)森林算法，將兩者應(yīng)用于腦癱導(dǎo)致的構(gòu)音障礙識(shí)別中．

文中首先針對(duì)不同性別的被試，分別采用單一特征與融合特征進(jìn)行對(duì)比研究，驗(yàn)證融合特征對(duì)于單一特征的優(yōu)化作用．在此基礎(chǔ)之上，去除性別差異，在整體數(shù)據(jù)上再次實(shí)驗(yàn)，測(cè)試不同分類器下單一特征與融合特征的分類精度，從而匹配出最優(yōu)特征與分類器組合．

1 基于MFCC和韻律特征的FFPM特征提取

1.1 韻律特征

韻律特征，又名超音段特征，體現(xiàn)了語音信號(hào)強(qiáng)度和語調(diào)的變化．韻律作為語音識(shí)別研究中常用的特征，已經(jīng)取得了一些理想的識(shí)別結(jié)果．構(gòu)音障礙說話人在表達(dá)較長語句時(shí)，其聲音強(qiáng)度和流暢度與正常說話人差別明顯．常用的韻律特征主要有:

(1) 語速(speed)．即時(shí)長和發(fā)音音節(jié)數(shù)的比值．

(2) 過零率(zero crossing rate)．一幀語音中語音信號(hào)波形穿過零電平的次數(shù)稱為過零率．定義語音信號(hào)x(m)的過零率為

(1)

(3) 能量(energy)．設(shè)第n幀語音信號(hào)的短時(shí)能量用En表示，則

(2)

(4) 共振峰(formant)．當(dāng)元音激勵(lì)進(jìn)入聲道時(shí)會(huì)引起共振特性，產(chǎn)生一組共振頻率，即共振峰．它反映了聲道諧振特征．

(5) 基頻(pitch)．即發(fā)濁音時(shí)聲帶振動(dòng)的頻率，人在發(fā)音過程中，由于聲門瞬時(shí)閉合，聲道被強(qiáng)烈激勵(lì)，表現(xiàn)在語音波形上就是此瞬間幅度劇增，產(chǎn)生突變．相鄰兩個(gè)聲門閉合之間的時(shí)間長度的倒數(shù)就是該處的基音頻率．

1.2 梅爾頻率倒譜系數(shù)

梅爾頻率是一種根據(jù)人耳聽覺特性構(gòu)造的一種語音特征參數(shù)．由于人耳所聽到的聲高與頻率并不是線性對(duì)應(yīng)關(guān)系，而是更接近于對(duì)數(shù)關(guān)系，因此梅爾頻率尺度更能準(zhǔn)確地對(duì)應(yīng)人耳的聽覺特性．它與頻率的關(guān)系可表示為

Fmel=2 595 lg(1+fHz/700) ．(3)

提取MFCC時(shí)，步驟如下:

(1) 進(jìn)行預(yù)加重．首先使信號(hào)通過一個(gè)高通濾波器:H(Z)=1-μz-1，其中μ取0.97．

(2) 進(jìn)行分幀和加窗．幀長設(shè)定為256，幀移為128．每一幀都乘以Hamming窗，窗函數(shù)為

w(n)=0.54-0.46 cos[2πn/(N-1)] ， 0≤n≤N．(4)

(3) 進(jìn)行快速傅里葉變換，得到各幀的頻譜．設(shè)輸入信號(hào)為x(n)，則語音信號(hào)的離散傅里葉變換(Discrete Fourier Transform，DFT)為

(5)

得到頻譜后再對(duì)頻譜取模平方得到功率譜．

(4) 將功率譜通過一組梅爾尺度的三角濾波器組，濾波器階數(shù)為24．再將結(jié)果取對(duì)數(shù)，即

(6)

(5) 經(jīng)離散余弦變換后，可得到MFCC系數(shù)為

(7)

1.3 FFPM特征的構(gòu)成

文中提取了語音的語速、過零率、能量、基頻以及第1、第2和第3共振峰(F1，F(xiàn)2，F(xiàn)3)作為韻律特征，然后計(jì)算其統(tǒng)計(jì)函數(shù)，并融合了MFCC的統(tǒng)計(jì)函數(shù)，組成最終的融合特征，即FFPM特征．特征集合表示為

Fu={s，z，E，P，F(xiàn)1，F(xiàn)2，F(xiàn)3，M1，M2，…，Mk} ,(8)

其中，s為語速;z為過零率;E表示由能量的統(tǒng)計(jì)參數(shù)構(gòu)成的向量，即

(9)

其各量依次為最大值、最小值、均值以及一階差分的最大值、最小值和均值；P表示由基頻的統(tǒng)計(jì)參數(shù)構(gòu)成的向量，即

(10)

其各量依次為最大值、最小值、均值以及一階差分的最大值、最小值和均值；F1、F2和F3表示由第1、第2和第3共振峰的統(tǒng)計(jì)參數(shù)構(gòu)成的向量，即

其各量依次為最大值、最小值、均值、方差以及一階差分的最大值、最小值、均值和方差；Mk表示第k階MFCC的統(tǒng)計(jì)參數(shù)構(gòu)成的向量，即

(14)

其各量依次為偏度、峰度、均值、方差和中值；式(14)中，偏度計(jì)算公式為

S(Mk)=E(Mk-μ)σ3．(15)

峰度計(jì)算公式為K(Mk)=E(Mk-μ)σ4-3 ．(16)

在文中，k值取12，最終構(gòu)成98維的FFPM融合特征．

2 隨機(jī)森林分類器

隨機(jī)森林是一種集成學(xué)習(xí)方法，其基本思想是每次從訓(xùn)練樣本中隨機(jī)選取部分特征來構(gòu)建獨(dú)立的決策樹，然后重復(fù)這個(gè)過程，且保證每次都是等概率地抽取特征，直到構(gòu)建了足夠多且相互獨(dú)立的樹，分類結(jié)果由這些樹通過特定的規(guī)則共同決定[8]．隨機(jī)森林以K棵決策樹{h(X，θk)，k=1，2，…，K}作為基分類器進(jìn)行集成學(xué)習(xí)，其中{θk，k=1，2，…，K}是一個(gè)隨機(jī)變量序列， 其構(gòu)成方式遵循以下思想:

(1) Bagging: 從原始樣本集X有放回地隨機(jī)抽取K個(gè)與原始樣本集同樣大小的訓(xùn)練樣本集{Tk，k=1，2，…，K}，并且由每個(gè)訓(xùn)練樣本集Tk構(gòu)造一棵決策樹．

圖1 第k棵決策樹生成過程

(2) 特征子空間:對(duì)決策樹的每個(gè)節(jié)點(diǎn)進(jìn)行分裂時(shí)，從全部屬性中等概率抽取一個(gè)子集，再從此子集中選取一個(gè)最優(yōu)屬性來分裂節(jié)點(diǎn)．

在構(gòu)建每棵決策樹時(shí)，抽取訓(xùn)練樣本集和屬性子集的過程各自獨(dú)立，且總體相同，所以{θk，k=1，2，…，K}為獨(dú)立同分布的隨機(jī)變量序列．第k棵決策樹的訓(xùn)練過程如圖1所示．

把以同樣的方式訓(xùn)練得到的k棵決策樹組合起來，就可以得到一個(gè)隨機(jī)森林．當(dāng)輸入待分類的樣本時(shí)，由每個(gè)決策樹的輸出結(jié)果進(jìn)行投票(取眾數(shù))，就會(huì)得到隨機(jī)森林的最終分類結(jié)果．相比于單個(gè)決策樹，隨機(jī)森林具有更強(qiáng)的分類能力，且有效地避免了過擬合．此外，隨機(jī)森林作為分類器時(shí)，不需要對(duì)特征進(jìn)行降維，且在處理大量數(shù)據(jù)時(shí)也比支持向量機(jī)識(shí)別率更高，速度更快．文中，不限制隨機(jī)森林的決策樹深度，樹的數(shù)量選擇為100．

3 TORGO數(shù)據(jù)庫

3.1 數(shù)據(jù)庫概況

選用由加拿大多倫多大學(xué)計(jì)算機(jī)科學(xué)與語音病理學(xué)系聯(lián)合Holland-Bloorview Kids Rehab hospital共同開發(fā)的TORGO腦癱病人數(shù)據(jù)庫[9]，此數(shù)據(jù)庫包含了總時(shí)長為 23 h 左右的英文語音數(shù)據(jù)，同時(shí)含有與聲音數(shù)據(jù)同步的發(fā)音動(dòng)作數(shù)據(jù)．構(gòu)音障礙患者類型為腦癱或肌萎縮性脊髓側(cè)索硬化癥(Amyotrophic Lateral Sclerosis，ALS)．?dāng)?shù)據(jù)庫基本構(gòu)成情況如表1所示．

表1 TORGO數(shù)據(jù)庫概況

3.2 數(shù)據(jù)庫篩選

從數(shù)據(jù)庫中選擇了短語和限制句作為語料來源，兩者的構(gòu)成情況如表2所示．

其中，對(duì)于不需要探究詞界的語音聲學(xué)研究來說，短語是非常有用的，它可體現(xiàn)出說話人對(duì)單個(gè)詞匯的發(fā)音能力．選用限制句是為了評(píng)判說話人利用詞匯、語法和進(jìn)行語義處理時(shí)的能力，構(gòu)音障礙人在這方面的能力與正常人存在較大差距．

表2 短語及限制句來源

表3 篩選后數(shù)據(jù)構(gòu)成情況

文中選擇來自全部15位被試的限制句和短語語音數(shù)據(jù)．在原有數(shù)據(jù)中，有一小部分?jǐn)?shù)據(jù)存在被試發(fā)音錯(cuò)誤，錄制設(shè)備發(fā)出噪音和治療師發(fā)出聲音的問題，此類情況在構(gòu)音障礙患者的音頻數(shù)據(jù)中尤為突出．為避免因音頻數(shù)據(jù)的質(zhì)量影響實(shí)驗(yàn)，在進(jìn)行實(shí)驗(yàn)之前對(duì)原始數(shù)據(jù)庫進(jìn)行了篩選，以求將客觀因素影響減到最小．同時(shí)使用了改進(jìn)的相位補(bǔ)償語音增強(qiáng)算法[14]對(duì)篩選后的語音數(shù)據(jù)進(jìn)行了處理，目的是最大限度地減少噪聲干擾．表3中顯示了篩選后的數(shù)據(jù)構(gòu)成情況．

4 實(shí) 驗(yàn)

進(jìn)行了單一類型特征以及FFPM特征在不同分類器下的識(shí)別率對(duì)比實(shí)驗(yàn)，共有9種組合形式，分類器選取了支持向量機(jī)，C4.5決策樹和隨機(jī)森林．其中，支持向量機(jī)使用線性核函數(shù)，C4.5決策樹置信因子設(shè)置為0.25，每個(gè)葉的最小實(shí)例數(shù)量設(shè)置為2．然后，從篩選后的數(shù)據(jù)中，選取66%作為訓(xùn)練集，34%作為測(cè)試集，并采用10折交叉驗(yàn)證法來檢驗(yàn)特征和識(shí)別網(wǎng)絡(luò)的性能．

4.1 基于性別的融合特征性能測(cè)試

為測(cè)試所提FFPM融合特征針對(duì)不同性別的識(shí)別性能，設(shè)計(jì)了2組試驗(yàn)，分別測(cè)試在使用限制句和短語作為語料時(shí)，單一特征和FFPM特征的識(shí)別率．

從圖2可以得出，在語料為限制句時(shí)，無論是對(duì)于男性還是女性，提出的FFPM識(shí)別準(zhǔn)確率都比單獨(dú)使用MFCC和韻律特征時(shí)更高; 無論使用何種分類器，F(xiàn)FPM的識(shí)別正確率都高于另外兩個(gè)單一特征;在僅使用韻律特征時(shí)，對(duì)女性聲音的識(shí)別率明顯低于男性，韻律特征在表現(xiàn)女性語音特征時(shí)性能不佳．在女性聲音的識(shí)別上，F(xiàn)FPM相比于單一的韻律特征和MFCC特征都有顯著提升，使用隨機(jī)森林分類器后識(shí)別率達(dá)到99.62%．說明相較于單一特征，融合特征在識(shí)別性能上確實(shí)有優(yōu)化作用．此項(xiàng)實(shí)驗(yàn)為后續(xù)分類器選擇的實(shí)驗(yàn)奠定了基礎(chǔ)．

圖2 限制句特征識(shí)別率男女對(duì)比圖3 短語特征識(shí)別率男女對(duì)比

從圖3可以看出，與限制句的識(shí)別率相比，短語的識(shí)別率整體偏低．這個(gè)現(xiàn)象反映出，相比于句子，構(gòu)音障礙患者能夠較為正確地對(duì)短語進(jìn)行發(fā)聲，因此在進(jìn)行識(shí)別時(shí)，其語音特征與正常說話人之間差異較小，一定程度上會(huì)影響分類結(jié)果．同樣，韻律特征在進(jìn)行女性語音的識(shí)別時(shí)表現(xiàn)不佳，但FFPM將女性聲音的識(shí)別率提升到了98.31%．上述兩個(gè)實(shí)驗(yàn)中，對(duì)于男性聲音的平均識(shí)別率達(dá)到99.21%，對(duì)女性聲音的平均識(shí)別率達(dá)到98.97%．

4.2 綜合對(duì)比測(cè)試

設(shè)計(jì)了兩組對(duì)比實(shí)驗(yàn)，去除性別因素，只針對(duì)兩種語料類型分開實(shí)驗(yàn)，目的為測(cè)試不同分類器下單一特征與融合特征的分類精度，從而匹配出最優(yōu)特征與分類器組合．

從圖4可以看出，在語料為限制句時(shí)，韻律特征和隨機(jī)森林的組合達(dá)到了96.49%的識(shí)別率，比MFCC和隨機(jī)森林的組合高出了3.57%，但是考慮到在4.1節(jié)的實(shí)驗(yàn)中，韻律特征在女性聲音的識(shí)別中表現(xiàn)不佳，若增加實(shí)驗(yàn)中女性被試的人數(shù)，識(shí)別率必定會(huì)明顯下降;使用FFPM特征和隨機(jī)森林算法的組合所達(dá)到的識(shí)別準(zhǔn)確率最高，比MFCC和C4.5的組合高出12.16%，比韻律特征和支持向量機(jī)的組合高出11.71%．從分類器的角度出發(fā)進(jìn)行對(duì)比，隨機(jī)森林比另外兩個(gè)分類器的識(shí)別率高出約6%，優(yōu)勢(shì)較為顯著．

圖4 限制句特征識(shí)別率對(duì)比圖5 短語特征識(shí)別率對(duì)比

從圖5可以看出，短語的特征識(shí)別率類似于限制句，但是整體略低．其中，支持向量機(jī)作為識(shí)別網(wǎng)絡(luò)、MFCC作為特征時(shí)識(shí)別率都相對(duì)較低，相比之下，當(dāng)FFPM和隨機(jī)森林組合時(shí)，識(shí)別率達(dá)到了97.95%，體現(xiàn)了將頻譜特征和時(shí)域特征結(jié)合后的性能優(yōu)勢(shì)，以及隨機(jī)森林分類器對(duì)高維特征向量的良好識(shí)別率．上述兩個(gè)實(shí)驗(yàn)的平均識(shí)別率達(dá)到98.00%．

綜上所述，文中提出的包含韻律特征和MFCC的FFPM與隨機(jī)森林算法組合的方式所表現(xiàn)出的性能最優(yōu)．由此可以說明，F(xiàn)FPM特征可以更好地詮釋患者與正常人之間的差異，同時(shí)選用隨機(jī)森林算法進(jìn)行分類識(shí)別，可以取得理想的效果．

5 結(jié) 束 語

基于語音數(shù)據(jù)和機(jī)器學(xué)習(xí)進(jìn)行的構(gòu)音障礙評(píng)估和診斷日益重要，但傳統(tǒng)的單一聲學(xué)特征往往并不能很好地表現(xiàn)患者與正常人之間的差異，同時(shí)，傳統(tǒng)的支持向量機(jī)在處理大數(shù)據(jù)量時(shí)表現(xiàn)不佳，并且運(yùn)算速度慢;決策樹極易發(fā)生過擬合的現(xiàn)象．鑒于此類情況，文中對(duì)語音數(shù)據(jù)提取了包括MFCC和韻律特征在內(nèi)的FFPM特征;并引入隨機(jī)森林作為分類器，實(shí)現(xiàn)了對(duì)樣本的集成學(xué)習(xí)．在實(shí)驗(yàn)中，首先通過針對(duì)不同性別的被試，分別采用單一特征與融合特征進(jìn)行對(duì)比研究，驗(yàn)證了融合特征對(duì)于單一特征的優(yōu)化作用．在此基礎(chǔ)之上，去除性別差異，在整體數(shù)據(jù)上再次實(shí)驗(yàn)，測(cè)試不同分類器下單一特征與融合特征的分類精度，從而發(fā)現(xiàn)了FFPM和隨機(jī)森林為性能最優(yōu)的組合．同時(shí)經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)，相比于句子，構(gòu)音障礙患者對(duì)短語的發(fā)音能力更強(qiáng)，發(fā)音較為準(zhǔn)確．在今后的研究中，將考慮尋找更好的特征融合方式，以期實(shí)現(xiàn)更高的識(shí)別率．除此之外，建立普通話說話人的數(shù)據(jù)庫，用現(xiàn)有方法進(jìn)行訓(xùn)練和識(shí)別，也是未來的研究方向．

[1] DOYLE P, LEEPER H, KOTLER A L, et al. Dysarthric Speech: a Comparison of Computerized Speech Recognition and Listener Intelligibility[J]. Journal of Rehabilitation Research and Development, 1997, 34(3): 309-316.

[2] 劉偉, 陳剛, 遲廣明. 腦癱治療的現(xiàn)狀[J]. 中國康復(fù)理論與實(shí)踐, 2007, 13(12): 1118-1120.

LIU Wei , CHEN Gang , CHI Guangming. Current Treatment of Cerebral Palsy [J]. Chinese Journal of Rehabilitation Theory and Practice, 2007, 13(12): 1118-1120.

[3] BAGHAI-RAVARY L, BEET S W. Automatic Speech Signal Analysis for Clinical Diagnosis and Assessment of Speech Disorders[M]. Springerbriefs in Electrical and Computer Engineering. Berlin: Springer, 2013.

[4] RUDZICZ F, NAMASIVAYAM A K, WOLFF T. The TORGO Database of Acoustic and Articulatory Speech from Speakers with Dysarthria [J]. Language Resources and Evaluation, 2012, 46(4): 523-541.

[5] GUPTA R, CHASPARI T, KIM J, et al. Pathological Speech Processing: State-of-the-art, Current Challenges, and Future Directions[C]//Proceedings of the 2016 IEEE International Conference on Acoustics, Speech and Signal Processing. Piscataway: IEEE, 2016: 6470-6474.

[6] GODINO-LLORENTE J I, GOMEZ-VILDA P, BLANCO-VELASCO M. Dimensionality Reduction of a Pathological Voice Quality Assessment System Based on Gaussian Mixture Models and Short-term Cepstral Parameters[J]. IEEE Transactions on Biomedical Engineering, 2006, 53(10): 1943-1953.

[7] 袁亞南, 何凌, 龔曉峰, 等. 基于MFCC和HMM的腭裂語音輔音省略識(shí)別算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2014, 35(2): 615-619.

YUAN Ya’nan, HE Ling, GONG Xiaofeng, et al. Recognition Algorithm of Consonants Omission for People with Cleft Palate Based on MFCC and HMM [J]. Computer Engineering and Design, 2014, 35(2): 615-619.

[8] AMARA F, FEZARI M, BOUROUBA H. An Improved GMM-SVM System Based on Distance Metric for Voice Pathology Detection[J]. Applied Mathematics and Information Sciences, 2016, 10(3): 1061-1070.

[9] 常靜雅, 張曉俊, 顧玲玲, 等. 小波域能量譜和非線性降維的病理嗓音識(shí)別[J]. 計(jì)算機(jī)工程與應(yīng)用, 2017, 53(2): 166-171.

CHANG Jingya, ZHANG Xiaojun, GU Lingling, et al. Wavelet Domain Energy Spectrum and Nonlinear Dimensionality Reduction in Pathological Voice Recognition[J]. Computer Engineering and Applications, 2017, 53(2): 166-171.

[10] ALI Z, ALSULAIMAN M, ELAMVAZUTHI I, et al. Voice Pathology Detection Based on the Modified Voice Contour and SVM[J]. Biologically Inspired Cognitive Architectures, 2016, 15: 10-18.

[11] 姚慧, 孫穎, 張雪英. 情感語音的非線性動(dòng)力學(xué)特征[J]. 西安電子科技大學(xué)學(xué)報(bào), 2016, 43(5): 167-172.

YAO Hui, SUN Ying, ZHANG Xueying. Research on Nonlinear Dynamics Features of Emotional Speech[J]. Journal of Xidian University, 2016, 43(5): 167-172.

[12] BREIMAN L. Random Forests[J]. Machine Learning, 2001, 45(1): 5-32.

[13] WRENCH A. The MOCHA-TIMIT Articulatory Database [DB/OL]. [2017-05-06]. http://www. cstr. ed. ac. uk/artic/mocha. html.

[14] 王棟，賈海蓉. 改進(jìn)相位譜補(bǔ)償?shù)恼Z音增強(qiáng)算法[J]. 西安電子科技大學(xué)學(xué)報(bào), 2017, 44(3): 83-88.

WANG Dong, JIA Hairong. Speech Enhancement Using Improved Phase Spectrum Compensation[J]. Journal of Xidian University, 2017, 44(3): 83-88.