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

• Ano de defesa: 2008
• Autor(a) principal: COSTA, Silvana Luciene do Nascimento Cunha.
• Orientador(a): AGUIAR NETO, Benedito Guimarães.
• Banca de defesa: PEREIRA, José Carlos., ALCAIM, Abrahm., FECHINE, Joseana Macedo., ALENCAR, Marcelo Sampaio de.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Processamento Digital de Sinais de Voz.; Discriminação de Vozes Patológicas.; Análise Acústica.; Digital Signal Processing.; Discrimination of Pathological Voices.; Acoustics Analysis.
• Área do conhecimento CNPq: Engenharia Elétrica.
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/3311

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.