Resumen

Este artículo se centra en un algoritmo robusto de extracción de características para la clasificación automática de voces patológicas y normales en entornos ruidosos. El algoritmo propuesto se basa en el procesamiento auditivo humano y en el operador de energía no lineal Teager-Kaiser. Las características robustas, etiquetadas como Coeficientes Cepstrales de Energía Teager (TECCs), se calculan en tres pasos. En primer lugar, cada trama de señal de voz se pasa a través de un banco de filtros triangulares de escala Gammatone o Mel. Luego, se calcula el valor absoluto del operador de energía Teager del espectro de tiempo corto. Finalmente, se aplica la transformada discreta del coseno del espectro de energía Teager filtrado con logaritmo. Se propone esta característica para identificar las voces patológicas utilizando un sistema neural desarrollado de perceptrón multicapa (MLP). Evaluamos el método desarrollado utilizando una base de datos de voz mixta compuesta por muestras de voz grabadas de locutores norm

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Algoritmo de extracción de características; Clasificación automática; Voces patológicas; Voces normales; Entornos ruidosos; Coeficientes Cepstrales de Energía de Teager
• Keywords:Feature extraction algorithm; Automatic classification; Pathological voices; Normal voices; Noisy environments; Teager Energy Cepstrum Coefficients