[论文解读] Estimation of Infants' Cry Fundamental Frequency using a Modified SIFT algorithm

Dror Lederman|arXiv (Cornell University)|Sep 14, 2010

Infant Health and Development参考文献 11被引用 11

一句话总结

本文提出了一种改进的简单逆滤波跟踪（SIFT）算法，以准确估计婴儿哭声的基频，尤其针对传统倒谱方法在高音调哭声中失效的挑战。该方法在有声段和高音调哭声段的基频估计误差分别达到3.75%和6.15%，在分辨紧密间隔的泛音方面优于倒谱方法。

ABSTRACT

This paper addresses the problem of infants' cry fundamental frequency estimation. The fundamental frequency is estimated using a modified simple inverse filtering tracking (SIFT) algorithm. The performance of the modified SIFT is studied using a real database of infants' cry. It is shown that the algorithm is capable of overcoming the problem of under-estimation and over-estimation of the cry fundamental frequency, with an estimation accuracy of 6.15% and 3.75%, for hyperphonated and phonated cry segments, respectively. Some typical examples of the fundamental frequency contour in typical cases of pathological and healthy cry signals are presented and discussed.

研究动机与目标

• 为解决婴儿哭声中基频估计不准确的问题，特别是传统倒谱方法在泛音重叠的高音调哭声段失效的挑战。
• 克服基于倒谱的方法在高频哭声中难以分离声门激励与声道响应的局限性。
• 开发一种鲁棒、高效的算法，用于非平稳哭声信号中可靠的基频跟踪与有声/无声段分割。
• 基于真实哭声数据库中人工视觉估计的基频，对算法性能进行评估。

提出的方法

• 将哭声信号分帧为5–25 ms的重叠帧，并应用汉明窗以确保准平稳性，且每帧至少包含一个基频周期。
• 采用与频率范围内最大形式共振峰数量匹配的滤波器阶数（婴儿哭声通常为3–4个形式共振峰）进行声门逆滤波。
• 对逆滤波后的信号采用改进的SIFT跟踪方法估计基频，以减少次谐波和过度估计误差。
• 应用后处理平滑算法以纠正瞬态误差，尤其在病理哭声中快速变化的基频轮廓中。
• 以时域视觉检查结果作为性能评估的真实基准，计算估计基频与真实基频之间的百分比误差。
• 在真实哭声数据上验证该算法，包括健康婴儿以及患有猫叫综合征、脑积水和唇腭裂的婴儿。

实验结果

研究问题

• RQ1 与倒谱方法相比，改进的SIFT算法是否能提高婴儿哭声中基频估计的准确性，特别是在高音调哭声段？
• RQ2 该算法是否能有效减少高频哭声信号中常见的低估和高估误差？
• RQ3 改进的SIFT算法在健康婴儿与病理婴儿的有声段与高音调哭声段中的性能表现如何？
• RQ4 平滑算法在快速变化的基频轮廓中对瞬态估计误差的纠正程度如何？

主要发现

• 改进的SIFT算法在有声哭声段（250–700 Hz）的基频估计误差为3.75%，表现出高精度。
• 在高音调哭声段（≥700 Hz）的误差为6.15%，考虑到此类情况下泛音分离的难度增加，该误差水平可接受。
• 该算法成功减轻了传统倒谱方法在高频哭声信号中常见的次谐波和过度估计误差。
• 平滑算法能有效纠正病理哭声中快速频率变化带来的瞬态误差，生成稳定且符合听觉感知的基频轮廓。
• 病理病例（猫叫综合征与脑积水）的基频平均值高于健康婴儿，与既往临床发现一致。
• 唇腭裂婴儿与健康婴儿的平均基频无显著差异，支持了既往临床报告。