语音信号处理与分类 塞萨洛尼基亚里斯多德大学-格罗宁根大学 我的论文摘要在7至8学期进行。 “通过分析语音信号来解决两类分类问题。” 前端语音处理旨在从语音发声的短期片段(称为帧)中提取适当的特征。 这是解决采用语音或音频(例如音乐)的任何模式识别问题的前提步骤。 在这里,我们对语音障碍分类很感兴趣。 就是说,要开发两类分类器,以区分人的发声麻痹症和健康人的语音。人的语音产生系统的数学模型表明,全极系统功能是有理由的[1-3]。 因此,线性预测系数(LPC)构成了对短期语音频谱的模型建模的首选。 LPC衍生的倒谱系数保证可以区分系统(例如声道)的贡献和激励的贡献。 考虑到人耳的特性,梅尔频率