Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-7870ff5e-e8f0-47cd-81b9-b2fc8a19c7f2

Czasopismo

Przegląd Elektrotechniczny

Tytuł artykułu

Ocena parametrów analizy akustycznej w detekcji patologii mowy

Autorzy Panek, D. 
Treść / Zawartość http://pe.org.pl/
Warianty tytułu
EN Parameters evaluation of acoustic analysis in speech pathology detection
Języki publikacji PL
Abstrakty
PL Diagnostyka stanu dróg głosowych wymaga stworzenia wektora, który składa się z różnych parametrów akustycznych, co może pomóc w szybkiej oraz automatycznej detekcji patologii głosu. W niniejszym artykule przedstawiono wektor cech złożony z 31 parametrów. Parametry mowy zostały wyodrębnione w dziedzinie czasu, częstotliwości oraz cepstralnej. Wybór parametrów niezbędnych w ocenie patologii głosu został potwierdzony w analizie głównych składowych, jądrowej analizie głównych składowych (kernel PCA) oraz liniowej analizie dyskryminacyjnej (LDA).
EN The diagnosis of the current state of the vocal tract requires the creation of a feature vector that consists of various acoustic parameters, which can help in rapid and automatic detection of voice pathologies. Vector consisting of 31 parameters was done in this project. Speech parameters were extracted in the time, frequency and cepstral domain. Essential parameters were selected and analysed using principal component analysis, kernel principal component analysis and linear discriminant analysis.
Słowa kluczowe
PL analiza akustyczna   patologiczny sygnał mowy   analiza głównych składowych   liniowa analiza dyskryminacyjna  
EN acoustic analysis   pathological speech signal   principal component analysis   linear discriminant analysis  
Wydawca Wydawnictwo SIGMA-NOT
Czasopismo Przegląd Elektrotechniczny
Rocznik 2014
Tom R. 90, nr 5
Strony 126--129
Opis fizyczny Bibliogr. 18 poz., schem., tab., wykr.
Twórcy
autor Panek, D.
  • AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Katedra Metrologii i Elektroniki, al. Mickiewicza 30, 30-060 Kraków, dpanek@agh.edu.pl
Bibliografia
[1] Gogh C.D.L., Festen J.M., Verdonck-de Leeuw I.M., Parker A.J.,Acoustical analysis of tracheoesophageal voice, Speech Communication, Vol. 47, Issue 1-2 (2005), 160-168
[2] Martinez D., Lleida E., Ortega A., Miguel A., Villalba J., Voice Pathology Detection on the Saarbruecken Voice Database with Calibration and Fusion of Scores Using MultiFocal Toolkit, Advances in Speech and Language Technologies for Iberian Languages Communications in Computer and Information Science, vol. 328 (2012), 99-109
[3] Orozco-Arroyave J.R., Murillo-Rendon S., Alvares-Meza A.M., Arias-Londono J.D., Delgado-Trejos E., Vargas-Bonilla J.F., Castellanos-DOmingues C.G., Automatic Selection of Acoustic and Non-linear Dynamic Features in Voice Signals for Hypernasality Detection, Interspeech (2011), 529-532
[4] Bishop Ch.M., Pattern Recognition and Machine Learning, Springer Science (2006), Singapur, 559-599
[5] Vetter R., Virag N., Renevey P., Vesin J.M., Single channel speech enhancement using principal component analysis and MDL subspace selection, Eurospeech (1999), ISCA
[6] Yang J., Yang J.-Y, Why can LDA be performed in PCA transformed space?, Pattern Recogn. 36(2) (2003), 563-566
[7] Liu C., Gabor-based kernel PCA with fractional power polynomial models for face recognition, IEEE Trans, Pattern Anal. Mach. Intell., 26(5) (2004), 572-581
[8] Gramacki J., Gramacki A., Wybrane metody redukcji wymiarowości danych oraz ich wizualizacje, XIV Konferencja PLOUG (2008), Szczyrk
[9] Scholkopf B., Smola A., Muller K.R., Kernel principal component analysis, Artufucial Neural Networks - iCANN'97, Berlin (1997), 583-588
[10] Scholkopf B., Smola A., Muller K.R., Nonlinear component analysis as a kernel eigenvalue problem, Neural Comput., 10(5) (1998), 1299-1319
[11] Wu J., Wang J., Liu L., Feature extraction via KPCA for classification of gair patterns, ScienceDirect, Human Movement Science 26(2007), 393-411
[12] Balakrishnama S., Ganapathiraju A., Linear Discriminant Analysis - a brief tutorial, Institute for Signal and Information Processing, Department of Electrical and Computer Engineering, Mississipi State University (2014)
[13] Wu Y., Principal Component Analysis and Linear Discriminant Analysis, Electrical Engineering and Computer Science, Northwestern University, Evanston, wykład (2014)
[14] Young X., Zhang D., Song F., Yang J-Y., Jing Z., Li M., A method for speeding up feature extraction based on KPCA, Neurocomputing 70 (2007), 1056-1061
[15] Epstein M.A., Payri B.G., The effects of vowel quality and pitch on spectral and glottal flow measurements of the voice source, Lecture, University of California, Los Angeles, http://www.linguistics.ucla.edu/people/grads/melissa/effects_of _vowel_quality.PDF (2014)
[16] Maciel C.D., Pereira J.S., Identifying healthy and pathologically affected voice signals, IEEE Signal Processing Magazine (2010), 120-123
[17] Osowski S., Sieci neuronowe w ujęciu algorytmicznym, WNT, (1996)
[18] Engel Z.W., Klaczynski M., Wszolek W., A Vibroacoustic Model of Selected Human Larynx Diseases, International Journal of Occupational Safety and Ergonomics (JOSE), 13(4) (2007), 367-379
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-7870ff5e-e8f0-47cd-81b9-b2fc8a19c7f2
Identyfikatory
DOI 10.12915/pe.2014.05.29