【摘要】：抑郁癥是一類常見的心理精神疾病,其以高患病率、高發(fā)生率等危害成為嚴(yán)重的精神疾病之一。通過臨床診斷和研究發(fā)現(xiàn),抑郁癥患者聲音中所表現(xiàn)出的低沉、緩慢、單一等特點(diǎn)是異于常人的,因此,采用語音聲學(xué)特征作為客觀指標(biāo)對抑郁癥進(jìn)行診斷研究已成為近年來研究的熱點(diǎn)。此外,面部表情的變化也是傳達(dá)情感的方式,因此,本文提出一種新的融合語音信號和人臉表情的自動(dòng)抑郁癥輔助檢測算法,具體工作如下:(1)針對抑郁語音發(fā)聲特點(diǎn),提出一種針對抑郁類語音的信號增強(qiáng)算法,探究不同特征參數(shù)在多情感語音中的有效區(qū)分力。本文采用一種改進(jìn)型譜減算法對抑郁類語音進(jìn)行語音增強(qiáng),應(yīng)用統(tǒng)計(jì)分析法對多類情感語音的特征變化規(guī)律進(jìn)行統(tǒng)計(jì)分析,通過實(shí)驗(yàn)最終確定將基音頻率、前三共振峰、能量以及短時(shí)平均幅度特征作為區(qū)分不同情感語音的有效特征。(2)結(jié)合不同情感語音的發(fā)聲特點(diǎn),提出一種新的融合語音信號和人臉表情共同識別的抑郁癥輔助檢測算法�；谏鲜鰧Χ嗲楦姓Z音特征值的分析,找到與抑郁語音相似度高的情感語音,選取梅爾頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients,MFCC)為特征參數(shù),通過實(shí)驗(yàn)選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)、確定網(wǎng)絡(luò)參數(shù),建立BP神經(jīng)網(wǎng)絡(luò)—抑郁類識別模型進(jìn)行判別。采用稀疏表示算法對不同表情所屬狀態(tài)判別歸類。實(shí)驗(yàn)結(jié)果表明,融合語音和人臉表情的抑郁癥輔助判別算法,在相似情感類別的判斷中也可作為診斷抑郁癥的輔助手段。(3)基于對上述抑郁識別模型的研究,實(shí)現(xiàn)了基于BP神經(jīng)網(wǎng)絡(luò)的Adaboost算法,并設(shè)計(jì)了自動(dòng)抑郁癥輔助檢測系統(tǒng)界面。待確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)后,通過不斷加入弱分類器,進(jìn)行反復(fù)迭代,以滿足預(yù)設(shè)的誤差率,達(dá)到有效分類。實(shí)驗(yàn)表明,Adaboost算法在相似度高的情感語音之間能夠起到較好的判別作用。此外,本文設(shè)計(jì)的系統(tǒng)界面不僅成本低廉、操作便捷,且在實(shí)際使用中也可做到對患者隱私的保護(hù),達(dá)到了雙贏。
【圖文】：

31圖 17 Cool Edit Pro 視頻編輯3.4.2 情感語音特征分析本文對六類情感語音進(jìn)行基音頻率提取，統(tǒng)計(jì)值如表 6 所示。選取高興、害怕、郁和正常四類情感進(jìn)行如下示意。

第三章 基于語音信號的抑郁癥輔助檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)設(shè)計(jì)別率達(dá)到最理想，神經(jīng)網(wǎng)絡(luò)參數(shù)的配置起到了很重要的作設(shè)計(jì)，探究隱含層節(jié)點(diǎn)數(shù)的不同對網(wǎng)絡(luò)收斂速度及識別準(zhǔn)增強(qiáng)前的語音庫和信號增強(qiáng)后的語音庫，輸入特征選擇 M樣本，，30%作為測試樣本，在隱含層節(jié)點(diǎn)數(shù)設(shè)置為 5、10、用 5 次交叉驗(yàn)證后的平均值作為最終識別率，如表 7 和圖表 7 不同神經(jīng)元數(shù)在自建抑郁語音庫下的正確率元數(shù) 5 10 15 20 別率 66.3% 68.2% 71.7% 76.2% 別率 69.4% 73.9 75.1% 84.4%
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R749.4;TN912.34

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 傅小蘭;王輝;范偉;;抑郁癥患者的面部表情識別研究[J];心理與行為研究;2015年05期

2 陶華偉;g

本文編號：2614616