亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Analysis of Acoustic Features for Speech Sound Based Classification of Asthmatic and Healthy Subjects

Mel倒谱 语音识别 响度 鉴别器 计算机科学 人工智能 特征提取 计算机视觉 电信 探测器
作者
Shivani Yadav,Merugu Keerthana,Dipanjan Gope,Uma Maheswari K.,Prasanta Ghosh
标识
DOI:10.1109/icassp40776.2020.9054062
摘要

Non-speech sounds (cough, wheeze) are typically known to perform better than speech sounds for asthmatic and healthy subject classification. In this work, we use sustained phonations of speech sounds, namely, /α:/, /i:/, /u:/, /eI/, /ou/, /s/, and /z/ from 47 asthmatic and 48 healthy controls. We consider INTERSPEECH 2013 Computational Paralinguistics Challenge baseline (ISCB) acoustic features for the classification task as they provide a rich set of characteristics of the speech sounds. Mel-frequency cepstral coefficients (MFCC) are used as the baseline features. The classification accuracy using ISCB improves over MFCC for all voiced speech sounds with the highest classification accuracy of 75.4% (18.28% better than baseline) for /ou/. The exhale achieves the highest classification accuracy of 77.8% (4.2% better than baseline). Comparable accuracies using speech sound /ou/ and non-speech exhale indicate the benefit of the rich acoustic features from ISCB. An analysis of 21 ISCB features groups using forward feature group selection shows that loudness and MFCC groups contribute the most in the case of /ou/, with interquartile range between 2 nd and 3 rd quartile of loudness feature being the best discriminator feature.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
城。完成签到,获得积分10
35秒前
oleskarabach完成签到,获得积分20
39秒前
45秒前
54秒前
1分钟前
1分钟前
dingm2完成签到 ,获得积分10
1分钟前
这个手刹不太灵完成签到 ,获得积分10
1分钟前
lelouch完成签到,获得积分10
1分钟前
1分钟前
1分钟前
Polymer72应助科研通管家采纳,获得10
1分钟前
Polymer72应助科研通管家采纳,获得10
1分钟前
2分钟前
莉莉斯完成签到 ,获得积分10
2分钟前
3分钟前
3分钟前
Polymer72应助科研通管家采纳,获得10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
4分钟前
4分钟前
开心的瘦子完成签到,获得积分10
4分钟前
5分钟前
自强不息完成签到 ,获得积分10
5分钟前
Polymer72应助科研通管家采纳,获得10
5分钟前
知行者完成签到 ,获得积分10
6分钟前
6分钟前
salty完成签到 ,获得积分0
6分钟前
6分钟前
大圣发布了新的文献求助10
6分钟前
科研通AI2S应助鲜于夜白采纳,获得10
6分钟前
孙老师完成签到 ,获得积分10
7分钟前
7分钟前
123发布了新的文献求助10
7分钟前
Polymer72发布了新的文献求助30
7分钟前
Polymer72发布了新的文献求助30
7分钟前
科研通AI2S应助科研通管家采纳,获得10
7分钟前
Polymer72发布了新的文献求助30
7分钟前
老石完成签到 ,获得积分10
7分钟前
高分求助中
Natural History of Mantodea 螳螂的自然史 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Glucuronolactone Market Outlook Report: Industry Size, Competition, Trends and Growth Opportunities by Region, YoY Forecasts from 2024 to 2031 800
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Zeitschrift für Orient-Archäologie 500
Smith-Purcell Radiation 500
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3344197
求助须知:如何正确求助?哪些是违规求助? 2971172
关于积分的说明 8646832
捐赠科研通 2651434
什么是DOI,文献DOI怎么找? 1451779
科研通“疑难数据库(出版商)”最低求助积分说明 672282
邀请新用户注册赠送积分活动 661790