文档介绍：广西师范大学
硕士学位论文
基于HHT变换的病态嗓音特征提取及识别研究
姓名:龚英姬
申请学位级别:硕士
专业:电路与系统
指导教师:胡维平
20070401
基于 HHT 变换的病态嗓音特征提取及识别研究∗

研究生姓名:龚英姬导师姓名:胡维平
学科专业:电路与系统研究方向:语音信号处理年级:2004

摘要
病态嗓音识别对在医学上实现无痛嗓音检查、无损伤化技术有着十分重要的意义。病
态嗓音识别率的提高取决于有效的特征提取和合理的识别方法。鉴于传统的语音声学参数
主要基于语音的短时平稳性,采用加窗傅立叶变换求取,本文尝试采用希尔伯特黄变换
(Hilbert-Huang Transform ,简称 HHT)提取病态嗓音的新特征参数:瞬时能量-瞬时
频率标准差参数(简称 A-f 标准差参数),并使用基于时变信息状态变化的 HMM(隐马尔可
夫模型)识别方法以验证 A-f 标准差参数的有效性。
本文讨论和研究了经验模态分解(EMD)的一些关键的问题, 并在 Matlab 平台下实现
了 EMD 及其相关的应用程序, 通过仿真数据分析, 结果表明 HHT 变换比传统信号处理方法
具有更高的时频定位特性。同时对 HHT 变换存在的问题提出可行的改进方法。
在研读相关资料基础上,根据各种常用的声学参数对病态嗓音辨识准确度的贡献不
同,从病态嗓音的能量和频率的变化着手,重点研究病态嗓音在频率和幅度上的扰动与微
扰参数显著高于正常嗓音的特性。结合嗓音的非平稳非线性特点,利用 HHT 变换的高时频
分辨率以及经验模态分解(EMD)的滤波器组特性,总结出提取 A-f 标准差特征参数的详
细算法并编程实现。
为证明 A-f 标准差参数的有效性,作者还自行设计基于离散隐含马尔可夫模型(DHMM)
算法的识别系统,并用实验的方法确定识别系统的各项参数最佳选取,包括选择矢量量化
中的码本容量和 DHMM 模型的结构类型、状态转移数等。利用识别系统分别对从正常/病态
嗓音中提取的系数与 A-f 标准差参数进行识别。识别结果验证了 A-f 标准差特征参
数的有效性。同时由两种特征提取的算法,深入分析 A-f 标准差特征参数更适合于反映病
态嗓音内在机理的原因。
文章最后总结了整个论文主要进行的工作,指出本课题现用方法与数据采集的局限
性,并对进一步的工作提出一些建议。

关键词希尔伯特黄变换,病态嗓音,A-f 标准差参数,离散隐含马尔可夫模型,MEL 频率倒
谱系数

∗基金项目:广西自然科学基金(No:0448035)资助课题

I
The research of extracting pathological voice’s characteristics
based on HHT And recognition

Graduate student: Gong Ying ji Adviser:Hu Weiping Grade:2004
Speciality: Circuit and System Research direction : Speech signal processing

Abstract
The recognition of pathological voice can make significant meaning to carry out voice
examination painless and scatheless technique. Pathological voice recognition must depend on
extracting effective characteristic parameter and reasonable recognition method. Whereas,
conventional acoustic parameters were extracted mainly base on short stability in speech and
then get them by short-time-Foerier transform. Therefor, in this paper we adopt a new signal
processing method: Hilbert-Huang Transform (HHT),to extracte a new character of pathological
voice: A-f standard deviation paramete