导读:本文包含了声门特征论文开题报告文献综述及选题提纲参考文献，主要关键词:喉癌,声门上型,预后
声门特征论文文献综述
祁继霞,孔欣茹,邹井山,王洪增,杜业松[1]（2019）在《40例声门上型喉癌的临床特征分析》一文中研究指出目的总结声门上型喉癌的临床特征,分析影响患者生存的临床因素。方法回顾性分析2010年5月～2016年12月在潍坊医学院附属医院确诊的40例声门上型喉癌患者的临床资料,利用Kaplan-Meier法单因素分析影响生存的临床因素,Cox比例风险回归模型多因素分析影响预后的独立危险因素;运用Kaplan-Meier法绘制生存曲线;卡方检验比较不同手术方式的肿瘤局部控制率。P<0.05具有统计学意义。结果单因素分析及Cox模型多因素分析发现,颈淋巴结转移数是影响患者生存的独立危险因素,有显着统计学意义(P<0.05)。全喉切除和部分喉切除对于声门上型喉癌的肿瘤局部控制率无统计学差异(P>0.05)。结论颈淋巴结转移数显着影响声门上型喉癌患者的预后。声门上型喉癌患者就诊时,需要多学科诊疗团队共同制定个体化治疗方案。(本文来源于《中国医学文摘(耳鼻咽喉科学)》期刊2019年02期）
于雪[2]（2018）在《一种声门增生息肉的发声模型及特征参数的研究》一文中研究指出在社会快速的发展下,人们对嗓音质量的需求越来越高,但人们在生活中的用嗓过度及不注意保护声带,会致使声带疾病的发生,最终影响到人们的正常交流。对于声带损坏程度来说,轻则声音稍微改变,嗓音嘶哑,重则发声困难,声带周围组织发声病变,需进行手术切除,才能恢复正常。因此及早的发现声带疾病就显得尤为重要,而这就需要对嗓音疾病患者准确地判断病情,对症治疗,及早根除病因。在影响嗓音的好坏,评定发声质量的语音器官中,声带起了决定性的作用,由于其容易受损及经常发生病变,因此在针对嗓音疾病时,往往首先是观察患者的声带有无受损及严重程度。而人类之所以能够发声,主要是靠声带的规律性振动与其他器官的配合。因此研究声带的振动模式及进行客观评价,对嗓音研究者来说是一项至关重要的任务。研究声带振动,首先要建立声带模型,而以往的声带模型中,有的只对振动方程的参数进行分析而没有考虑到模型参数的变化带来的影响,有的利用有限元的思想对声带进行建模导致计算量太过于复杂,有的也没有将理论的声带模型研究成果与实际语音的仿真结果作比较。因此本文针对以上不完善之处,在正常声带的基础上建立病理声带情况之一,即声带息肉模型并进行研究,再将其与实际的病理情况的语音仿真结果联系起来。本文主要工作如下:1、对产生声音的主要器官,发声原理及声带的振动模式,嗓音病变种类的相关知识做了主要介绍。2、根据实际声带的物理组织特性及振动特点,基于以往典型的正常二质量声带模型(I-F模型)简化后的二质量声带模型(H-C模型),建立常见的声带病理模型——单双侧声带息肉模型。再从实际语音的基础上,对提取声带振动特征参数,即声门体积速度的方法进行了介绍。3、对正常声带与单双侧息肉声带的振动方程进行分析,得出其特征参数位移与声门体积速度的关系,并利用最大值法分岔图得出单侧声带息肉模型的息肉尺寸对振动位移与声门下压及声门体积速度图的影响。利用两种提取声门体积速度的方法对实际的语音库进行仿真,选取最佳的提取方法对正常与病理情况进行分析。再与理论模型中的结果进行对比,验证模型的合理性。(本文来源于《陕西师范大学》期刊2018-05-01）
李昊璇,师宏慧,乔晓艳[3]（2017）在《融合声门波信号频谱特征的语音情感识别》一文中研究指出为了提高语音情感识别的准确率,本文针对新的声门波信号频谱特征抛物线频谱参数(parabolic spectralparameter,PSP)和谐波丰富因子(harmonic richness factor,HRF)进行了研究,并将其应用到语音的情感识别中.提取6种不同情感(生气、害怕、高兴、中性、悲伤和惊奇)语音信号的发音速率和短时能量、基音频率、前3个共振峰、12阶Mel频率倒谱系数(MFCC)的最大值、最小值、变化范围和平均值等常用特征构成一个特征矢量,并利用主成分分析方法降维;提取声门波信号的频谱特征PSP和HRF,并分析了PSP和HRF的情感表达能力;采用深度学习栈式自编码算法对只有常用特征以及融合了声门波信号频谱特征后的特征进行分类.结果表明:融合声门波信号频谱特征后识别率更高.(本文来源于《测试技术学报》期刊2017年01期）
廖成钜[4]（2014）在《帕金森病病人的电声门图及嗓音特征分析》一文中研究指出目的：探讨帕金森病病人的电声门图及嗓音特征，以期为帕金森病病人提供一种非侵入性的嗓音评估方法及量化指标。方法：选取符合入选标准的19例帕金森病病人，按照性别匹配、年龄接近（前后相差≤5岁）的配对原则，选取且符合入选标准的正常人19例。两组均予病史采集及体格检查、GRBAS评估方法、嗓音障碍指数-10及电声门图仪检查（嗓音声学分析法、电极法电声门图法），并进行统计学分析比较。结果：1.帕金森病组与正常对照组在受教育水平上比较，不具有统计学差异（P>0.05），具有可比性；2.电声门图仪嗓音声学分析法与电极法电声门图法在信号采集成功率上比较，嗓音声学分析法高于电极法电声门图法，并具有统计学差异（P<0.05）；3.帕金森病组与正常对照组在GRBAS评估方法上比较，气息声（B）、无力声（A）具有统计学差异（P<0.05）;4.帕金森病组与正常对照组在嗓音障碍指数-10上比较，不具有统计学差异（P>0.05）；5.帕金森病组与正常对照组在电声门图仪的嗓音声学分析法上比较，/a/音的基频微扰、振幅微扰、标准化噪声能量，/u/音的基频微扰、标准化噪声能量、谐噪比均具有统计学差异(P<0.05)；6.帕金森病组与正常对照组在电声门图仪的电极法电声门图法上比较，/a/音的基频微扰、基频标准差、标准化噪声能量、谐噪比，/i/的基频微扰、标准化噪声能量、谐噪比，/u/的基频微扰、标准化噪声能量、谐噪比均具有统计学差异(P<0.05)；结论：1.电声门图仪嗓音声学分析法信号采集成功率高于电极法电声门图法，提示在检测手段上，嗓音声学分析法可能更优于电极法电声门图法。2.联合GRBAS评估方法及嗓音声学分析法、电极法电声门图法，主客观上均发现帕金森病存在气息声损害，提示帕金森病人可能存在声门闭合不良。(本文来源于《暨南大学》期刊2014-04-09）
王晓雨,彭鑫,杜建群,李丽,林鹏[5]（2014）在《声带沟患者最小声门面积与嗓音声学指标的特征及相关性研究》一文中研究指出目的探讨声带沟患者发声时最小声门面积(minimum glottal area,MGA)和嗓音声学指标的特征及相关性。方法选择60例正常人(正常组,男女各30例)和病理型声带沟患者62例(患者组,男33例,女29例)进行频闪喉镜检查,应用配套KIPS软件计算患者发/i:/音时的MGA;采用Dr.Speech声学分析软件测试其基频(F0)、基频微扰(jitter)、振幅微扰(shimmer)、标准化噪声能量(normalized noise energy,NNE)、谐噪比(harmony to noise ratio,HNR)、信噪比(signal noise ratio,SNR)、最长声时(maximum phonation time,MPT),并分别与发声时的MGA进行相关性分析。结果发/i:/音时,男性患者组MGA(434.74±112.83像素)明显大于男性正常组(298.25±93.63像素)(P<0.05);女性患者组MGA(484.75±143.91像素)明显大于女性正常组(293.43±93.73像素)(P<0.05);男性及女性患者发声时MGA分别与基频(r=0.972,P<0.05;r=0.928,P<0.05)、基频微扰(r=0.978,P<0.05;r=0.910,P<0.05)、振幅微扰(r=0.973,P<0.05;r=0.921,P<0.05)、标准化噪声能量(r=0.883,P<0.05;r=0.960,P<0.05)呈正相关关系,与信噪比(r=-0.947,P<0.05;r=-0.957,P<0.05)、谐噪比(r=-0.959,P<0.05;r=-0.944,P<0.05)、最长声时(r=-0.891,P<0.05;r=-0.936,P<0.05)呈负相关关系。结论病理型声带沟患者发/i:/音时声门面积较正常人增大,其MGA值越大嗓音的SNR、HNR及MPT值越小,而F0、jitter、shimmer、NNE则随MGA值增大而增大。(本文来源于《听力学及言语疾病杂志》期刊2014年01期）
何凌,黄华,刘肖珩[6]（2013）在《基于声门特征参数的语音情感识别算法研究》一文中研究指出为实现更为有效的自动语音情感识别系统,提出了一种基于声门信号特征参数及高斯混合模型的情感识别算法。该算法基于人类发音机理,通过逆滤波器及线性预测方法,实现声门信号的估计,提取声门信号时域特征参数表征不同情感类别。实验采用公开的BES(berlin emotion speech database)情感语料库,对愤怒、无聊、厌恶、害怕、高兴、平静、悲伤这7种情感进行自动识别。实验结果表明,提出的语音情感识别系统能有效的识别各类情感状态,其情感判别正确率接近于人类识别正确率,且优于传统的基音频率及共振峰参数。(本文来源于《计算机工程与设计》期刊2013年06期）
殷治纲[7]（2012）在《一个反映音节轻重的特征量——声门振动次数》一文中研究指出"轻重"问题是语言韵律研究的重要内容之一。该领域研究的一个重要内容是分析各声学因素对轻重感知的影响。本文将围绕该主题,试图从常见声学因素中找出最能反映轻重感知的特征量。以往研究认为音高和时长是反映音节轻重感的最重要声学因素。但由于汉语作为声调语言的特殊性和韵律轻重感知的复杂性,音高或时长特征在反映轻重时各有自己的局限性,需要综合考虑。结合音高和时长的特性,本研究提出了一个可更好反映轻重感知的新特征量——声门振动次数。它是某音节发音时声带振动的次数,也即该音节元音段的声波脉冲数(Pulse)。在数学上,声波脉冲数表现为音高(pitch)和时长(duration)的积分(Pulse=∫f(pitch)dt),所以它很好的整合了音高和时长在反映轻重时的优势,并补偿了各自劣势。统计证明音节声门振动次数与音节轻重感知结果的相关性很好,高于音高、时长以及音强等其他简单声学量与轻重感知的相关性,可在一定程度上作为反映音节轻重感的特征量。(本文来源于《第十届中国语音学学术会议(PCC2012)论文集》期刊2012-05-18）
邹国荣,谢方云,李济时,曹小龙[8]（2011）在《声门上型喉鳞癌94例临床特征及预后分析》一文中研究指出目的:总结声门上型喉癌的临床特征,分析其预后的影响因素。方法:声门上型喉鳞癌94例。Kaplan-meier曲线行生存分析,Cox回归模型行多因素分析。结果:声门上型喉癌首发症状以声嘶最常见(47例,50.0%),其他依次为咽部不适(30例,31.9%)、颈部肿物(15例,16.0%),呼吸困难(2例,0.2%)。初诊时淋巴结转移发生率高(36例,38.3%),患者多处于疾病晚期(Ⅲ、Ⅳ期76例,80.9%)。原发灶根治性治疗主要采取声门上水平喉半切除术或喉全切除术(58例,61.7%),余患者采取姑息性气管切开术,或姑息化疗、放疗。声门上型喉癌的总体5年生存率为41.55%。Cox回归多因素分析显示,影响声门上型喉癌预后的独立因素为T分期(W=7.308,P=0.006)、是否手术(W=26.538,P=0.000)。结论:声门上型喉癌早期诊断率较低,疾病进展快,预后差。早期发现并控制原发灶对改善声门上型预后存在重要意义。(本文来源于《中华肿瘤防治杂志》期刊2011年08期）
杨璞[9]（2005）在《基于声门特征的说话人识别研究》一文中研究指出说话人识别技术被认为是最自然的生物认证技术，它是一项根据语音中反映的说话人生理和行为特征的语音参数，自动识别说话人身份的技术。目前，说话人识别的主流特征往往只反映了说话人的声道频率特性，而忽略了声门的振动信息，以及声门振动对于声道的潜在影响。在详细分析说话人识别的主要特点和最新进展，特别是基于声门特征的说话人识别研究现状的基础上，本文针对如何更好的在说话人识别中利用声门特征进行了大量的尝试，提出了相关的模型和算法。本文的主要工作集中在以下叁个方面： 第一，针对声门和声道之间的相关性，提出了消除声门振动对说话人倒谱特征影响的模型和补偿算法。我们认为未受到声门振动影响的倒谱特征更具有说话人区分性，并且在说话人识别中同时使用长时(long-term)和短时(short-term)的声门特征，得到“补偿”过的倒谱特征。算法在理想环境下提高了说话人识别系统的性能。另外，鉴于声门特征的相对鲁棒性，我们将该倒谱补偿算法推广到复杂多通道的环境中，在303人的SRMC库上取得了令人满意的效果。 第二，针对声门和声道在短时(short-term)上存在相互依赖的关系，我们在模型层次上提出了利用该相关性的算法——并行高斯混合模型(Parallel GMMs)。基于声门特征和声道特征独立的假设，传统的说话人模型往往忽略了由此可能带来的说话人自身(intra-speaker)距离对于系统区分度的影响。与传统的模型不同，并行高斯混合模型将短时声门特征和声道特征进行联合利用，在具有声门特征的先验知识的前提下，用概率统计模型来模型化这种关系，从而具有更优良的性能。 第叁，提出了在噪音环境下利用声门特征的补偿方法——基于声门特征的倒谱平均减(GIBCMS)。背景噪音以及通道的存在，使得训练环境和测试环境发生失配，导致说话人识别系统性能的急剧下降；倒谱平均减(CMS)是一种用来消除语音噪音／通道失真的标准化技术。本文提出的GIBCMS算法考虑到声门特征对于噪音／通道的相对鲁棒性，将其作为对语音信号进行非线性划分的标准，用于通道的非线性建模；在没有先验的通道频率响应知识的情况下，大大提高了倒谱平均减技术消除噪音／通道失真的准确性。该算法在SRMC库的各个通道上，性能都有所提高；而在信噪比为5dB的YOHO库上，识别率提高了约18％，明显优于其他倒谱平均减算法。 本文得到以下基金资助：国家自然科学基金(6027305)、浙江省自然科学基金青年科技人才培养专项基金(RC01058)、浙江省自然科学基金(M603229)、博士点专项基金(20020335025)。(本文来源于《浙江大学》期刊2005-03-01）
安伟,林世龙,林季珍,敖维芬[10]（2004）在《声带息肉360例电声门图特征分析》一文中研究指出电声门图 (electroglottograph ,EGG)系通过声带振动时声门阻抗的变化引起通过声门电流的变化 ,从而在体表描记出声门开闭的曲线[1] 。近年来 ,电声门图对声带振动功能客观定量的检测作用 ,越来越受到重视。现收集我科近 5年来 ,术前(本文来源于《贵州医药》期刊2004年11期）
声门特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在社会快速的发展下,人们对嗓音质量的需求越来越高,但人们在生活中的用嗓过度及不注意保护声带,会致使声带疾病的发生,最终影响到人们的正常交流。对于声带损坏程度来说,轻则声音稍微改变,嗓音嘶哑,重则发声困难,声带周围组织发声病变,需进行手术切除,才能恢复正常。因此及早的发现声带疾病就显得尤为重要,而这就需要对嗓音疾病患者准确地判断病情,对症治疗,及早根除病因。在影响嗓音的好坏,评定发声质量的语音器官中,声带起了决定性的作用,由于其容易受损及经常发生病变,因此在针对嗓音疾病时,往往首先是观察患者的声带有无受损及严重程度。而人类之所以能够发声,主要是靠声带的规律性振动与其他器官的配合。因此研究声带的振动模式及进行客观评价,对嗓音研究者来说是一项至关重要的任务。研究声带振动,首先要建立声带模型,而以往的声带模型中,有的只对振动方程的参数进行分析而没有考虑到模型参数的变化带来的影响,有的利用有限元的思想对声带进行建模导致计算量太过于复杂,有的也没有将理论的声带模型研究成果与实际语音的仿真结果作比较。因此本文针对以上不完善之处,在正常声带的基础上建立病理声带情况之一,即声带息肉模型并进行研究,再将其与实际的病理情况的语音仿真结果联系起来。本文主要工作如下:1、对产生声音的主要器官,发声原理及声带的振动模式,嗓音病变种类的相关知识做了主要介绍。2、根据实际声带的物理组织特性及振动特点,基于以往典型的正常二质量声带模型(I-F模型)简化后的二质量声带模型(H-C模型),建立常见的声带病理模型——单双侧声带息肉模型。再从实际语音的基础上,对提取声带振动特征参数,即声门体积速度的方法进行了介绍。3、对正常声带与单双侧息肉声带的振动方程进行分析,得出其特征参数位移与声门体积速度的关系,并利用最大值法分岔图得出单侧声带息肉模型的息肉尺寸对振动位移与声门下压及声门体积速度图的影响。利用两种提取声门体积速度的方法对实际的语音库进行仿真,选取最佳的提取方法对正常与病理情况进行分析。再与理论模型中的结果进行对比,验证模型的合理性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
声门特征论文参考文献
[1].祁继霞,孔欣茹,邹井山,王洪增,杜业松.40例声门上型喉癌的临床特征分析[J].中国医学文摘(耳鼻咽喉科学).2019
[2].于雪.一种声门增生息肉的发声模型及特征参数的研究[D].陕西师范大学.2018
[3].李昊璇,师宏慧,乔晓艳.融合声门波信号频谱特征的语音情感识别[J].测试技术学报.2017
[4].廖成钜.帕金森病病人的电声门图及嗓音特征分析[D].暨南大学.2014
[5].王晓雨,彭鑫,杜建群,李丽,林鹏.声带沟患者最小声门面积与嗓音声学指标的特征及相关性研究[J].听力学及言语疾病杂志.2014
[6].何凌,黄华,刘肖珩.基于声门特征参数的语音情感识别算法研究[J].计算机工程与设计.2013
[7].殷治纲.一个反映音节轻重的特征量——声门振动次数[C].第十届中国语音学学术会议(PCC2012)论文集.2012
[8].邹国荣,谢方云,李济时,曹小龙.声门上型喉鳞癌94例临床特征及预后分析[J].中华肿瘤防治杂志.2011
[9].杨璞.基于声门特征的说话人识别研究[D].浙江大学.2005
[10].安伟,林世龙,林季珍,敖维芬.声带息肉360例电声门图特征分析[J].贵州医药.2004