Acoustic analysis, based on the linear model of speech production, to discriminate pathological voices.

Submitted by Deyse Queiroz (deysequeirozz@hotmail.com) on 2019-04-02T11:56:34Z No. of bitstreams: 1 SILVANA LUCIENE DO NASCIMENTO CUNHA COSTA - TESE PPGEE 2008..pdf: 3135480 bytes, checksum: 8ec04e1650df46710e8509e81a025fbc (MD5)Made available in DSpace on 2019-04-02T11:56:34Z (GMT). No. of bitstreams: 1 SILVANA LUCIENE DO NASCIMENTO CUNHA COSTA - TESE PPGEE 2008..pdf: 3135480 bytes, checksum: 8ec04e1650df46710e8509e81a025fbc (MD5) Previous issue date: 2008-11-03Discriminação de vozes patológicas tem sido realizada por meio de técnicas de processamento digital de sinais, como uma ferramenta auxiliar a exames videolaringoscópicos. Esse método é não-invasivo e mais confortável quando comparado a exames laringoscópicos. Este trabalho trata da análise acústica de sinais de vozes afetadas por patologias na laringe, especificamente, edema nas dobras vocais. O processo de discriminação da voz patológica e o diagnóstico da patologia considerada utilizam basicamente três etapas principais: caracterização acústica, modelagem das características e classificação. A patologia é caracterizada utilizando análise por predição linear, análise cepstral e melcepstral.Para a estimação dos coeficientes cepstrais é utilizada uma abordagem paramétrica derivada da análise por predição linear e para os mel-cepstrais uma abordagem não paramétrica, baseada na transformada rápida de Fourier. Cada característica acústica obtida é utilizada para o processo de modelagem paramétrica em um classificador individual, de forma a melhor avaliar sua relevância na detecção da presença da patologia. Para reduzir a quantidade de dados relacionada aos vetores de parâmetros utilizados na análise, é utilizada a técnica de Quantização Vetorial e uma medida de distorção associada para um estágio preliminar do processo de classificação. Para a classificação final e como um refinamento do processo, utiliza-se uma modelagem paramétrica, por meio de Modelos de Markov Escondidos (Hidden Markov Models – HMM). Os resultados mostram que os métodos desenvolvidos são eficientes em modelar os efeitos provocados pela patologia em estudo e permitir uma discriminação eficiente da patologia quando comparada a vozes normais.Pathological voice discrimination has been done by means of digital signal processing techniques as a complementary tool to videolaryngoscopic exams. This method is non-invasive to patients and more comfortable when compared to laryngoscopy. This work aims at the acoustic analysis of voice signals affected by laryngeal pathologies, particularly, vocal fold edema. The discrimination process of the pathological voice and consequently the pathology detection consists, basically, in three main stages: acoustic characterization, feature modeling and classification. The pathology is characterized by linear prediction, cepstral and mel-cepstral analysis. To estimate cepstral coefficients, a parametric approach derived from linear prediction analysis is used. The mel-cepstral coefficients estimation uses a nonparametric approach based on Fast Fourier Transform. An individual classifier is applied to each acoustic feature obtained to best evaluate its relevance in detecting the pathology presence. In order to reduce the amount of data related to the parameter vectors used in the analysis, a Vector Quantization technique is applied and a distortion measurement is associated to a preliminary stage of the classification process. For the final classification a parameter modeling is carried out using Hidden Markov Models as a refinement stage of the preliminary classification process. Results show that the developed methods are efficient in modeling the effects caused by the pathology in study and provide an efficient discrimination of the pathology when compared to normal voices