Análise acústica, baseada no modelo linear de produção da fala, para discriminação de vozes patológicas.

• Autor(a) principal: COSTA, Silvana Luciene do Nascimento Cunha.
• Data de Publicação: 2008
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/3311
• topic: Processamento Digital de Sinais de Voz.; Discriminação de Vozes Patológicas.; Análise Acústica.; Digital Signal Processing.; Discrimination of Pathological Voices.; Acoustics Analysis.; Engenharia Elétrica.

Discriminação 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.