Повышение эффективности выявления
пограничных психических расстройств на основе адаптивной декомпозиции и
кепстрального анализа речевых сигналов
А. K. Алимурадов 1, А. Ю. Тычков 1, П. П. Чураков 2,
А. П. Зарецкий 3, И. В. Прохоров 3, К. С. Митягин 3
1 Пензенский государственный университет, НИИ Фундаментальных и прикладных исследований,
440026, Пенза, Ул. Красная, 40
2 Пензенский государственный университет, кафедра информационно-измерительной техники и метрологии,
440026,
Пенза, Ул. Красная, 40
3 Московский физико-технический институт
(государственный университет), 141700, Долгопрудный Моск. обл., Институтский пер.,
9
Статья поступила в редакцию
25 мая 2019 г.
Аннотация. Точность
выявления пограничных психических расстройств зависит от правильной обработки
речевых сигналов. Основная причина низкой точности и больших погрешностей в
измерениях связана с использованием неэффективных и неадаптивных методов
обработки нестационарных речевых сигналов. В данной статье авторы предлагают
метод повышения эффективности обнаружения пограничных психических расстройств,
основанный на технологии адаптивной декомпозиции для нестационарных сигналов, а
именно, улучшенную полностью ансамблевую эмпирическую модовую декомпозицию
сигналов с адаптивным шумом и мел-частотным кепстральным анализом. Представлена
структурная схема метода и краткое математическое описание. Представлены
результаты исследований, на основании которых был сделан вывод о том, что
предложенный авторами метод может быть успешно апробирован в системах
дистанционного мониторинга психогенных нарушений для ускорения процесса
лечения.
Ключевые слова: речевой сигнал,
пограничные психические расстройства, мел-частотные кепстральные коэффициенты,
эмпирическая модовая декомпозиция сигналов с адаптивным шумом.
Abstract. The detection accuracy of borderline
mental disorders depends on correct processing of speech signals. The main
reason of low accuracy and large errors in measurements is associated with the
use of inefficient and non-adaptive methods for processing of non-stationary
speech signals. In this paper, the authors propose a method for increasing the
detection efficiency of borderline mental disorders based on adaptive
decomposition technology for non-stationary signals, namely, improved complete
ensemble empirical mode decomposition with adaptive noise and mel-frequency
cepstral analysis. A block diagram for the method and a brief mathematical
description are presented. The research results are presented, on the basis of
which it was concluded that the method proposed by the authors can successfully
be tested in remote monitoring systems of psychogenic disorders to accelerate
the treatment process.
Keywords: speech signal, border mental disorders, mel-frequency
cepstral coefficients, improved complete ensemble empirical mode decomposition
with adaptive noise.