融合声学、小波熵与自回归模型的病态嗓音精准诊断体系构建

融合声学、小波熵与自回归模型的病态嗓音精准诊断体系构建一、引言1.1研究背景与目的嗓音，作为人类交流沟通、表达情感的重要工具，在日常生活和社会活动中扮演着不可或缺的角色。拥有健康的嗓音，我们能够清晰流畅地传达信息，生动细腻地抒发内心感受，尽情展现个人魅力。无论是教师在讲台上的激情授课，歌手在舞台上的深情演绎，还是主持人在荧幕前的精彩主持，又或是商务人士在谈判桌上的侃侃而谈，嗓音的良好状态都直接关系到他们工作的成效与职业发展。据相关数据显示，我国教师群体中约有70%存在不同程度的嗓音问题，而职业歌手的嗓音疾病发病率更是普通人群的5倍。嗓音健康一旦出现问题，不仅会对个人的社交、工作和生活产生负面影响，还可能引发心理压力，降低生活质量。当声带发生各种病理性改变，如炎症、息肉、小结、囊肿等，会致使其振动和闭合出现异常，进而改变喉声源的声学性质，导致声音嘶哑、粗糙、发声疲劳、音调异常等病态嗓音症状。及时准确地诊断病态嗓音，对于疾病的早期治疗和康复具有重要意义。目前，临床常用的病态嗓音诊断方法主要包括可视化的喉部医学检查和声学观测法。可视化的喉部医学检查，如间接或直接喉镜检查法，虽能直接观察喉部形态，但属于侵入性检查，可能给患者带来不适；CT成像检查法虽能提供详细的喉部结构信息，但存在辐射风险，且设备昂贵、检查过程复杂。声学观测法通过分析嗓音信号的基频（F0）、频率微扰（Jitter）、振幅微扰（Shimmer）、规范化噪声能量（NNE）等声学参数来判断嗓音状态，具有无创、便捷等优点，然而传统的声学参数提取方法是将语音信号近似为线性信号，这严重影响了特征的有效性，在有效检测病态嗓音方面存在一定局限。此外，传统方法在区分不同类型的病态嗓音疾病时，准确性也有待提高。为了克服传统病态嗓音诊断方法的局限性，本研究旨在依据物理声学和解剖医学的基础理论，构建一种融合声学、小波熵及自回归模型的病态嗓音诊断新体系。通过采用计算机与现代数字信号处理手段，对嗓音样本数据进行深入的时频分析及多参数模式分类，实现对病态嗓音的精准识别和相关疾病的早期诊断，为临床诊断提供更加客观、准确、便捷的辅助手段，推动嗓音医学的发展。1.2国内外研究现状在国外，病态嗓音诊断研究起步较早，取得了一系列具有重要价值的成果。早期，研究主要聚焦于对嗓音信号基本声学参数的分析，通过对基频、共振峰等参数的测量，尝试建立正常嗓音与病态嗓音的声学特征差异模型。随着计算机技术和信号处理技术的飞速发展，研究逐渐向智能化、精细化方向迈进。例如，一些学者利用机器学习算法，如支持向量机（SVM）、高斯混合模型（GMM）等，对大量嗓音样本进行训练和分类，以实现对病态嗓音的自动识别。美国麻省眼与耳科医院（MEEI）发布的嗓音样本数据库，为众多研究提供了丰富的数据支持，推动了相关算法和模型的优化与验证。在特征提取方面，除了传统声学参数，分形理论、小波变换等非线性分析方法也被引入，用以挖掘更能反映病态嗓音本质特征的参数，显著提升了识别准确率。国内的病态嗓音诊断研究近年来发展迅速，在借鉴国外先进技术的基础上，结合国内临床实际情况，开展了具有针对性的研究。一方面，许多研究致力于改进和创新特征提取方法，如基于小波变换提出的分解的熵系数（ECDDMA），通过对语音信号的多尺度分析和降噪处理，提取出能更准确表征正常与病态嗓音差异的特征矢量集，在与传统的Mel倒谱系数（MFCC）对比实验中，展现出了更高的识别率。另一方面，在分类模型的应用和优化上也取得了进展，将神经网络、深度学习等模型应用于病态嗓音识别，充分利用其强大的学习和分类能力，进一步提高了诊断的准确性和可靠性。同时，国内的研究还注重将理论研究成果与临床实践紧密结合，通过大量的临床病例验证，不断完善诊断方法和流程，以满足临床实际需求。尽管国内外在病态嗓音诊断领域取得了诸多成果，但仍存在一些不足之处。目前的诊断方法在面对复杂多样的嗓音疾病时，其特异性和敏感性有待进一步提高，尤其是在区分一些症状相似的疾病时，容易出现误诊或漏诊的情况。部分研究使用的数据集存在局限性，样本数量不够充足，涵盖的疾病类型不够全面，可能导致模型的泛化能力较差，难以在实际临床中广泛应用。此外，现有研究大多侧重于单一特征或方法的应用，缺乏对多种特征和方法的有效融合，难以充分挖掘嗓音信号中的丰富信息。1.3研究方法与创新点为实现对病态嗓音的精准诊断，本研究将综合运用多种先进的研究方法。在数据采集阶段，广泛收集包含正常嗓音和各类病态嗓音的样本，确保数据的多样性和代表性。其中，重点参考美国麻省眼与耳科医院（MEEI）发布的权威嗓音样本数据库，并结合国内临床实际病例，扩充数据量，以提升研究的普适性。在特征提取环节，深入研究物理声学和解剖医学理论，运用现代数字信号处理技术，从多个维度对嗓音信号进行分析。除提取传统的19个声学参数，如基频（F0）、频率微扰（Jitter）、振幅微扰（Shimmer）、规范化噪声能量（NNE）等，还将引入小波熵分析方法，提取5个小波熵（WE）参数，以挖掘嗓音信号在时频域的复杂特征，捕捉其非线性变化规律。同时，采用自回归（AR）模型，提取13个AR模型参数，通过对嗓音信号的建模，有效表征其内在的动态特性。在分类识别阶段，选用支持向量机（SVM）作为核心分类器。SVM基于结构风险最小化原则，在小样本、非线性分类问题上具有出色的性能。通过对不同参数组的训练和学习，实现对健康嗓音与病态嗓音的二分类识别，并进一步在病态组中进行甲亢疾病组与声带损伤组间的二分类识别。为优化分类效果，还将对SVM的核函数参数进行精细调整，提高分类算法的准确性。此外，应用正交试验设计方法，从众多参数中筛选出对特定疾病分类具有特异性的参数，提升诊断的针对性和准确性。本研究在参数组合、模型应用等方面具有显著的创新之处。首次将小波熵参数与多维声学参数及自回归模型参数联合用于病态嗓音识别研究，打破了传统研究单一特征提取的局限，显著扩展了现有的病态嗓音识别参数范围，为疾病早期诊断提供了更丰富的信息。初次尝试对甲亢疾病组与声带损伤组间的嗓音特征进行分类研究，发现了能区分这两组疾病的特异性参数，填补了该领域在疾病精细分类研究方面的空白，有助于提高临床诊断的精细化程度。首次将支持向量机分类器全面应用于病态嗓音识别与诊断，相较于传统分类方法，充分发挥了SVM在处理复杂模式分类问题上的优势，提高了分类算法的准确性，有效改善了识别效果。二、理论基础2.1声学基础与病态嗓音声学特征声学，作为物理学的重要分支学科，主要研究媒质中机械波的产生、传播、接收和效应。从本质上讲，声音是一种机械波，通过弹性媒质，如空气、水、固体等进行传播。当物体振动时，会引起周围媒质的质点发生振动，这些质点的振动相互传递，就形成了声波。例如，人发声时，声带的振动使得周围空气分子产生疏密变化，从而形成声波，通过空气传播到人耳，被人感知为声音。在声学中，有一系列基本概念用于描述声音的特性。频率，是指声波在单位时间内振动的次数，单位为赫兹（Hz）。人耳可听的声音频率范围通常在20Hz到20kHz之间，不同频率的声音给人的听觉感受不同，高频声音通常尖锐，低频声音则较为低沉。波长，是指声波在一个振动周期内传播的距离，它与频率和波速密切相关，满足公式λ=c/f，其中λ为波长，c为波速，f为频率。在常温下，声音在空气中的传播速度约为340m/s。基频，作为描述嗓音的关键声学参数，指的是声带振动的最低频率，它直接决定了声音的音高。对于男性，正常的基频范围一般在85Hz到180Hz之间，而女性的基频范围相对较高，在165Hz到255Hz左右。当声带出现病变时，基频会发生明显变化。例如，在一些声带息肉、小结等疾病中，由于声带的质量和张力改变，导致声带振动的难易程度发生变化，从而使基频升高。相关研究表明，患有声带息肉的患者，其基频可能比正常人高出20%-30%。这是因为病变使得声带的质量增加，在相同的肌肉作用力下，声带振动频率降低，为了发出正常音高的声音，发声者会不自觉地增加肌肉力量，导致基频升高。共振峰也是一个重要的声学特征，它反映了声道的共振特性，与声音的音色密切相关。人体的声道可以看作是一个具有特定形状和长度的共鸣管，当声带振动产生的声波在声道中传播时，会与声道的共振频率相互作用，形成共振峰。一般来说，人类语音中主要存在三个共振峰，分别记为F1、F2和F3。F1主要与舌位的高低有关，F2与舌位的前后相关，F3则受到唇形等因素的影响。在病态嗓音中，由于喉部病变可能导致声道形状发生改变，进而影响共振峰的频率和强度。例如，当喉部出现肿瘤时，肿瘤的占位会使声道的形状和容积发生变化，导致共振峰的频率发生偏移，强度也会有所改变，使得声音的音色变得异常，听起来粗糙、嘶哑。此外，频率微扰（Jitter）和振幅微扰（Shimmer）也是衡量嗓音质量的重要参数。Jitter表示相邻周期的基频变化，反映了声带振动的周期性和稳定性。正常嗓音的Jitter值通常在0.5%-1%之间，而病态嗓音由于声带振动的不规则性增加，Jitter值会明显增大，可能达到3%-5%甚至更高。Shimmer则是指相邻周期的振幅变化，体现了声带振动的幅度稳定性。病态嗓音的Shimmer值同样会高于正常水平，这是因为病变导致声带的振动模式发生紊乱，使得振幅在周期之间的变化更加明显，从而影响声音的平稳性和清晰度。规范化噪声能量（NNE）用于衡量嗓音信号中的噪声成分。正常嗓音的NNE值较低，一般在-15dB到-25dB之间，而病态嗓音由于声带的病变，如炎症、水肿等，会导致声门闭合不全，在发声过程中产生更多的噪声，使得NNE值升高，可能达到-10dB到-5dB。通过对这些声学特征的综合分析，可以更全面、准确地判断嗓音的健康状况，为病态嗓音的诊断提供有力依据。2.2小波熵理论及其在信号分析中的应用小波变换（WaveletTransform，WT）是一种新兴的变换分析方法，在信号处理、图像处理、故障诊断等众多领域都有着广泛的应用。它起源于20世纪70年代，由法国工程师J.Morlet在石油信号处理中首次提出。当时，J.Morlet通过物理直观和实际需求经验建立了反演公式，但未得到数学家的认可。直到1986年，数学家Y.Meyer偶然构造出真正的小波基，并与S.Mallat合作建立了构造小波基的统一方法——多尺度分析，小波变换才开始蓬勃发展。小波变换继承和发展了短时傅立叶变换局部化的思想，同时克服了窗口大小不随频率变化的缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。其主要原理是通过伸缩平移运算对信号进行多尺度细化，从而实现对信号的局部化分析。在实际应用中，小波变换可以将信号分解为不同频率的分量，例如在语音信号处理中，能够清晰地分离出不同频率段的语音特征，有助于分析语音的韵律、音色等信息。与傅里叶变换相比，傅里叶变换将信号分解为不同频率的正弦波叠加，反映的是信号的整体频率特性，对于非平稳信号的分析存在局限性；而小波变换可以聚焦到信号的任意细节，特别适用于分析非平稳信号。例如，在分析一段包含突发噪声的语音信号时，傅里叶变换难以准确地定位噪声出现的时间和频率范围，而小波变换能够通过多尺度分析，在高频处实现时间细分，准确地捕捉到噪声的瞬态特征。小波熵（WaveletEntropy，WE）是基于小波变换的一种信号分析方法，它将小波变换与信息熵的概念相结合，用于衡量信号的复杂度和不确定性。信息熵的概念源于信息论，它表示一个系统的不确定性或混乱程度，熵值越大，系统的不确定性越高。小波熵的计算过程通常是先对信号进行小波变换，得到不同尺度和位置的小波系数，然后根据这些小波系数计算信号的熵值。以电机故障诊断为例，当电机正常运行时，其振动信号相对平稳，小波熵值较小；而当电机出现故障时，如轴承磨损、转子不平衡等，振动信号会变得复杂，小波系数的分布也更加分散，从而导致小波熵值增大。在病态嗓音分析中，小波熵具有独特的优势。由于病态嗓音信号具有非线性和非平稳性的特点，传统的分析方法难以准确地提取其特征。小波熵能够有效地捕捉到病态嗓音信号在时频域的复杂变化，为病态嗓音的诊断提供更丰富的信息。通过对大量正常嗓音和病态嗓音样本的小波熵分析发现，病态嗓音的小波熵值明显高于正常嗓音，这表明病态嗓音信号的复杂度更高，其声带振动模式更加紊乱。此外，小波熵还可以与其他声学参数相结合，进一步提高病态嗓音诊断的准确性。例如，将小波熵与基频、共振峰等参数一起作为特征向量，输入到支持向量机等分类器中，能够显著提升对病态嗓音的识别率。2.3自回归模型原理与参数估计自回归模型（Auto-RegressiveModel，AR）是一种重要的时间序列分析模型，在语音信号处理、经济预测、故障诊断等领域有着广泛的应用。其基本原理是基于时间序列的自身历史数据来预测未来值，假设当前时刻的信号值可以由过去若干时刻的信号值的线性组合再加上一个白噪声来表示。对于一个离散时间序列{Xt}，p阶自回归模型AR(p)的数学表达式为：X_t=a_1X_{t-1}+a_2X_{t-2}+\cdots+a_pX_{t-p}+\epsilon_t其中，X_t是t时刻的观测值，a_1,a_2,\cdots,a_p是自回归系数，\epsilon_t是t时刻的白噪声，它是一个独立同分布的随机变量序列，均值为0，方差为\sigma^2。在实际应用中，白噪声\epsilon_t可以看作是不可预测的随机干扰，它反映了模型无法解释的部分。例如，在语音信号中，白噪声可能包含环境噪声、测量误差等因素。自回归模型的阶次p的选择至关重要，它直接影响模型对信号的拟合能力和预测准确性。如果阶次选择过低，模型可能无法充分捕捉信号的动态特性，导致拟合不足；而阶次选择过高，则可能会引入过多的参数，导致模型过拟合，对新数据的泛化能力下降。在MATLAB中，可以使用多种准则来确定最佳的模型阶次，如最终预测误差准则（FinalPredictionError，FPE）、赤池信息准则（Akaike’sInformationCriterion，AIC）、最小描述长度准则（MinimumDescriptionLength，MDL）、余弦幅度过渡准则（CoshAmplitudeTransition，CAT）等。FPE准则基于最小预测误差的原理，它通过比较不同阶次下模型的预测误差来选择最优阶次。具体来说，FPE的值定义为：FPE(p)=\frac{n+p}{n-p}\sigma^2_p其中，n是数据样本的数量，\sigma^2_p是p阶模型的残差方差。FPE准则倾向于选择使FPE值最小的阶次p，因为较小的FPE值表示模型的预测误差较小。AIC准则则试图在模型的拟合程度和复杂度之间找到平衡。AIC的值定义为：AIC(p)=n\ln(\sigma^2_p)+2p其中，n是数据样本的数量，\sigma^2_p是p阶模型的残差方差。AIC准则通过最小化AIC值来选择最优阶次，它在考虑模型拟合优度（由\ln(\sigma^2_p)衡量）的同时，对模型的复杂度（由参数数量p衡量）进行了惩罚。如果一个模型虽然能很好地拟合数据，但引入了过多的参数，其AIC值可能会较大，从而不被AIC准则所青睐。MDL准则寻找能使模型描述长度最短的阶次。模型描述长度包括模型参数的编码长度和数据在模型下的编码长度。MDL的值定义为：MDL(p)=n\ln(\sigma^2_p)+p\ln(n)其中，n是数据样本的数量，\sigma^2_p是p阶模型的残差方差。与AIC准则类似，MDL准则也对模型复杂度进行了惩罚，但惩罚项的权重与样本数量n有关。当样本数量较大时，MDL准则对模型复杂度的惩罚更严厉，更倾向于选择简单的模型。CAT准则考虑了信号的振幅和过渡特性。它通过计算不同阶次下模型的某些特征量，如自相关函数、偏自相关函数等，来评估模型对信号特性的捕捉能力，进而选择最优阶次。在实际应用中，不同的准则可能会选择不同的阶次，需要根据具体的问题和数据特点进行综合判断和比较。自回归模型的参数估计是构建模型的关键步骤之一，常用的参数估计方法包括最小二乘法、Yule-Walker方程法、Burg算法和修正的协方差算法等。最小二乘法通过最小化预测值与实际观测值之间的误差平方和来估计参数。假设我们有n个观测数据X_1,X_2,\cdots,X_n，对于AR(p)模型，我们可以构建误差函数：E(a_1,a_2,\cdots,a_p)=\sum_{t=p+1}^{n}(X_t-\sum_{i=1}^{p}a_iX_{t-i})^2通过对误差函数求偏导数并令其为0，可得到一组线性方程组，解这个方程组即可得到自回归系数a_1,a_2,\cdots,a_p的估计值。在MATLAB中，可以使用regress函数来实现最小二乘法估计。例如，对于一个AR(2)模型，我们可以将数据组织成矩阵形式，然后调用regress函数进行参数估计。Yule-Walker方程法基于信号的自相关函数来估计参数。对于AR(p)模型，其自相关函数满足以下Yule-Walker方程：\begin{bmatrix}\gamma_0&\gamma_1&\cdots&\gamma_{p-1}\\\gamma_1&\gamma_0&\cdots&\gamma_{p-2}\\\vdots&\vdots&\ddots&\vdots\\\gamma_{p-1}&\gamma_{p-2}&\cdots&\gamma_0\end{bmatrix}\begin{bmatrix}a_1\\a_2\\\vdots\\a_p\end{bmatrix}=\begin{bmatrix}\gamma_1\\\gamma_2\\\vdots\\\gamma_p\end{bmatrix}其中，\gamma_k是自相关函数在滞后k时刻的值。通过求解这个方程组，可以得到自回归系数的估计值。在MATLAB中，可以使用aryule函数基于Yule-Walker方程法进行参数估计。Burg算法是一种基于线性预测理论的迭代方法。它通过逐步增加模型阶次，不断调整参数，使得模型的预测误差最小。Burg算法在估计过程中，利用前向预测误差和后向预测误差来更新参数，具有较好的抗噪声性能。在MATLAB中，可以使用arburg函数实现Burg算法。修正的协方差算法利用信号的协方差序列进行参数估计。它通过对协方差矩阵进行处理，得到参数的估计值。在MATLAB中，可以使用arcov函数实现修正的协方差算法。不同的参数估计方法在计算复杂度、估计精度、对噪声的敏感性等方面存在差异，在实际应用中需要根据具体情况选择合适的方法。三、参数提取方法3.1声学参数提取3.1.1常用声学参数及计算方法在病态嗓音的研究中，声学参数的提取与分析是至关重要的环节，它们能够为嗓音状态的评估提供关键信息。常用的声学参数包括基频（F0）、频率微扰（Jitter）、振幅微扰（Shimmer）、规范化噪声能量（NNE）、谐噪比（HNR）等，这些参数从不同角度反映了嗓音信号的特征。基频（F0），作为决定声音音高的关键参数，在嗓音分析中具有重要地位。它的计算方法有多种，其中自相关法是一种常用的基于时域分析的方法。自相关法的原理是通过计算语音信号在不同延迟时间上的自相关函数，找到自相关函数的第一个峰值对应的延迟时间，这个延迟时间的倒数即为基频。假设语音信号为x(n)，其自相关函数R(k)的计算公式为：R(k)=\sum_{n=0}^{N-1-k}x(n)x(n+k)其中，N为信号长度，k为延迟时间。通过搜索R(k)的第一个峰值位置k_0，则基频F0=1/(k_0T)，T为采样周期。自相关法的优点是计算简单、直观，对于周期信号的基频提取效果较好；缺点是对噪声较为敏感，当信号中存在噪声时，可能会导致基频估计不准确。在实际应用中，为了提高基频提取的准确性，可以对语音信号进行预处理，如采用低通滤波器去除高频噪声，采用端点检测技术去除无声段等。例如，在对一段包含噪声的语音信号进行基频提取时，先使用截止频率为8000Hz的低通滤波器对信号进行滤波，再通过端点检测算法去除信号两端的无声部分，然后使用自相关法进行基频计算，结果显示基频估计的准确性得到了明显提高。基于倒谱的方法也是一种常用的基频提取方法。倒谱是对信号的对数功率谱进行傅里叶逆变换得到的。在倒谱域中，基频对应的峰值位置比较明显，通过检测这个峰值位置可以得到基频。具体步骤如下：首先对语音信号进行分帧加窗处理，然后计算每一帧的功率谱，对功率谱取对数后进行傅里叶逆变换得到倒谱，最后在倒谱中搜索基频对应的峰值位置。基于倒谱的方法对谐波结构的分析能力较强，能够在一定程度上克服噪声的影响，对于复杂的语音信号也能取得较好的基频估计效果。频率微扰（Jitter）用于衡量相邻周期基频的变化，它反映了声带振动的周期性和稳定性。Jitter的计算通常有多种度量方式，如绝对Jitter（Jitter(abs)）、相对Jitter（Jitter(rel)）、周期差的均方根（Jitter(RAP)）等。以绝对Jitter为例，其计算公式为：Jitter(abs)=\frac{1}{N-1}\sum_{i=1}^{N-1}|T_{i+1}-T_i|其中，N为周期数，T_i为第i个周期的时长。绝对Jitter直接计算相邻周期时长的平均差值，它能够直观地反映出基频在周期之间的变化程度。正常嗓音的绝对Jitter值通常在0.5%-1%之间，当Jitter值超出这个范围时，可能表明声带振动存在异常，如声带小结、息肉等疾病会导致声带表面不平整，使得声带振动的周期性变差，从而引起Jitter值增大。振幅微扰（Shimmer）是描述相邻周期振幅变化的参数，体现了声带振动的幅度稳定性。Shimmer同样有多种计算方式，如绝对Shimmer（Shimmer(abs)）、相对Shimmer（Shimmer(rel)）、振幅差的均方根（Shimmer(RAP)）等。以绝对Shimmer为例，其计算公式为：Shimmer(abs)=\frac{1}{N-1}\sum_{i=1}^{N-1}|A_{i+1}-A_i|其中，N为周期数，A_i为第i个周期的振幅。绝对Shimmer计算相邻周期振幅的平均差值，它反映了声音在强度上的波动情况。正常嗓音的绝对Shimmer值一般在1%-3%之间，病态嗓音由于声带病变，导致声带振动的幅度不稳定，Shimmer值会明显升高。例如，患有声带炎的患者，其声带会出现充血、水肿等症状，使得声带振动时的振幅变化增大，Shimmer值可能会达到5%-8%。规范化噪声能量（NNE）用于衡量嗓音信号中的噪声成分，它反映了声带振动时声门闭合的情况。NNE的计算通常是将噪声能量与总信号能量进行归一化处理。具体计算时，先通过带通滤波器将信号中的噪声成分分离出来，然后计算噪声能量与总信号能量的比值，并进行对数变换得到NNE值。其计算公式为：NNE=10\log_{10}\left(\frac{E_n}{E_s}\right)其中，E_n为噪声能量，E_s为总信号能量。正常嗓音的NNE值较低，一般在-15dB到-25dB之间，当NNE值升高时，说明嗓音信号中的噪声成分增加，可能是由于声门闭合不全导致的。例如，在声带麻痹的情况下，声门无法完全闭合，发声时会产生大量噪声，使得NNE值显著升高，可能达到-10dB到-5dB。谐噪比（HNR）是谐波能量与噪声能量的比值，它反映了嗓音信号的谐波特性和噪声水平。HNR的计算方法是先将语音信号进行傅里叶变换，将其转换到频域，然后分别计算谐波成分的能量和噪声成分的能量，最后计算两者的比值。具体计算公式为：HNR=10\log_{10}\left(\frac{E_h}{E_n}\right)其中，E_h为谐波能量，E_n为噪声能量。正常嗓音的HNR值较高，通常在15dB到25dB之间，病态嗓音由于声带病变，导致谐波成分减少，噪声成分增加，HNR值会降低。例如，对于声带小结患者，由于小结的存在影响了声带的正常振动，使得谐波成分的能量降低，噪声成分的能量相对增加，HNR值可能会下降到10dB以下。共振峰（Formant）是反映声道共振特性的重要参数，与声音的音色密切相关。人体的声道可以看作是一个具有特定形状和长度的共鸣管，当声带振动产生的声波在声道中传播时，会与声道的共振频率相互作用，形成共振峰。一般来说，人类语音中主要存在三个共振峰，分别记为F1、F2和F3。F1主要与舌位的高低有关，F2与舌位的前后相关，F3则受到唇形等因素的影响。共振峰的计算方法有多种，常用的是基于线性预测编码（LPC）的方法。LPC方法通过对语音信号进行线性预测分析，得到预测系数，然后根据预测系数计算共振峰的频率和带宽。具体步骤如下：首先对语音信号进行分帧加窗处理，然后使用LPC分析方法计算预测系数，根据预测系数构建线性预测滤波器，最后通过求解滤波器的极点得到共振峰的频率。基于LPC的方法计算效率较高，能够较为准确地估计共振峰的参数。在实际应用中，共振峰的频率和带宽会受到多种因素的影响，如年龄、性别、声道形状等。例如，男性的声道通常比女性长，因此男性的共振峰频率相对较低；儿童的声道尚未发育完全，其共振峰频率与成年人也有所不同。在病态嗓音中，由于喉部病变可能导致声道形状发生改变，进而影响共振峰的频率和强度。例如，当喉部出现肿瘤时，肿瘤的占位会使声道的形状和容积发生变化，导致共振峰的频率发生偏移，强度也会有所改变，使得声音的音色变得异常，听起来粗糙、嘶哑。3.1.2基于特定算法的声学参数优化提取传统的声学参数提取方法在面对复杂的病态嗓音信号时，往往存在一定的局限性，如对噪声敏感、特征提取不全面等。为了提高声学参数提取的准确性和有效性，本研究引入了基于变分模态分解（VMD）的算法对声学参数进行优化提取。变分模态分解是一种自适应的信号处理方法，它能够将复杂的信号分解为多个具有不同中心频率的固有模态函数（IMF）。与传统的经验模态分解（EMD）相比，VMD具有更好的抗噪声性能和模态混叠抑制能力。VMD的基本原理是通过构建变分模型，将信号分解问题转化为变分优化问题，通过求解变分问题得到各个IMF分量。具体来说，VMD首先假设信号f(t)可以由K个IMF分量u_k(t)之和表示，即f(t)=\sum_{k=1}^{K}u_k(t)。然后，为每个IMF分量u_k(t)定义一个带宽估计函数，通过最小化所有IMF分量的带宽之和以及约束条件\sum_{k=1}^{K}u_k(t)=f(t)，构建变分模型。最后，利用交替方向乘子法（ADMM）对变分模型进行求解，得到各个IMF分量。在病态嗓音信号处理中，VMD算法的优势主要体现在以下几个方面。VMD能够自适应地将嗓音信号分解为不同频率成分的IMF分量，每个IMF分量都具有明确的物理意义，这有助于更细致地分析嗓音信号的特征。对于包含多种频率成分的病态嗓音信号，VMD可以将其分解为不同的IMF分量，分别对每个分量进行分析，从而更准确地提取声学参数。VMD具有良好的抗噪声性能，能够在一定程度上抑制噪声对声学参数提取的影响。在实际采集的嗓音信号中，往往会受到环境噪声、测量设备噪声等干扰，VMD可以有效地分离出噪声成分，提高声学参数的提取精度。基于VMD算法优化声学参数提取的具体步骤如下。对采集到的嗓音信号进行VMD分解，得到K个IMF分量。在分解过程中，需要根据信号的特点和实际需求确定合适的分解层数K。一般来说，可以通过观察信号的频谱特征、尝试不同的K值并结合实际应用效果来确定最优的分解层数。例如，对于一些简单的嗓音信号，K可以取3-5；对于复杂的病态嗓音信号，K可能需要取5-8。对每个IMF分量进行分析，提取相应的声学参数。对于基频的提取，可以采用前文提到的自相关法或基于倒谱的方法，对每个IMF分量单独计算基频，然后综合考虑各个IMF分量的基频信息，得到更准确的基频估计值。对于频率微扰和振幅微扰的计算，可以分别计算每个IMF分量的Jitter和Shimmer值，再根据一定的规则进行融合，得到整个信号的频率微扰和振幅微扰参数。对于规范化噪声能量和谐噪比的计算，可以先对每个IMF分量进行噪声分离和能量计算，然后再计算相应的参数。将提取到的声学参数进行整合和分析，得到优化后的声学参数集。在整合过程中，可以采用加权平均、主成分分析等方法对不同IMF分量的参数进行融合，以提高参数的可靠性和有效性。通过实验验证，采用基于VMD算法优化提取的声学参数在病态嗓音识别中具有更高的准确率。在一个包含100个正常嗓音样本和100个病态嗓音样本的数据集上，分别使用传统方法和基于VMD算法优化提取的声学参数进行支持向量机（SVM）分类实验。结果显示，传统方法的识别准确率为75%，而基于VMD算法优化提取的声学参数的识别准确率达到了85%，表明基于VMD算法的声学参数优化提取方法能够有效提高病态嗓音识别的性能。3.2小波熵参数提取3.2.1小波变换在嗓音信号处理中的应用在嗓音信号处理领域，小波变换凭借其独特的时频分析能力，成为了一种强大的工具，为深入挖掘嗓音信号的特征提供了新的视角。在对嗓音信号进行小波变换时，首先要明确小波变换的基本原理。小波变换通过将信号与一系列通过缩放和平移的小波函数进行卷积，实现对信号在不同尺度和位置上的分析。对于嗓音信号x(t)，其连续小波变换（CWT）的数学表达式为：W(a,b)=\int_{-\infty}^{\infty}x(t)\frac{1}{\sqrt{|a|}}\psi(\frac{t-b}{a})dt其中，W(a,b)表示小波系数，a是尺度因子，控制小波函数的伸缩，a越大，对应小波函数的频率越低，分析的是信号的低频成分；b是平移因子，决定小波函数在时间轴上的位置，用于调整对信号不同位置的分析；\psi(t)是母小波函数，它需要满足一定的条件，如积分值为0，具有紧支撑性或衰减性等。不同的母小波函数具有不同的特性，在嗓音信号处理中，常用的母小波函数有Daubechies小波、Symlets小波等。例如，Daubechies小波具有较好的正交性和紧支撑性，能够有效地对嗓音信号进行多尺度分解，提取不同频率段的特征。在实际应用中，由于连续小波变换计算量较大，通常采用离散小波变换（DWT）。离散小波变换通过选取特定的尺度和平移参数进行离散化处理，其基本形式为：W(j,k)=\int_{-\infty}^{\infty}x(t)\psi_{j,k}^*(t)dt其中，j和k是整数，表示尺度和平移参数的离散值。在MATLAB中，利用dwt函数可以方便地对嗓音信号进行离散小波变换。假设我们有一段采集到的嗓音信号voice_signal，采样频率为fs，首先对信号进行预处理，如去除直流分量、进行归一化处理等。然后可以使用以下代码进行离散小波变换：%假设已经读取了嗓音信号voice_signal和采样频率fs%进行离散小波变换，选择db4小波基[cA,cD]=dwt(voice_signal,'db4');%进行离散小波变换，选择db4小波基[cA,cD]=dwt(voice_signal,'db4');[cA,cD]=dwt(voice_signal,'db4');其中，cA是近似系数，代表信号的低频部分，反映了嗓音信号的总体趋势和主要特征；cD是细节系数，代表信号的高频部分，包含了嗓音信号的细节信息，如瞬态变化、噪声等。通过对近似系数和细节系数的分析，可以获取不同尺度下的信号特征。在不同尺度下，小波变换能够揭示嗓音信号的丰富特征。在低频尺度下，近似系数反映了嗓音信号的基频、共振峰等主要特征。基频是声带振动的基本频率，决定了声音的音高，通过对低频近似系数的分析，可以准确地估计基频。共振峰与声道的共振特性相关，影响声音的音色，低频近似系数也能反映共振峰的信息。在高频尺度下，细节系数则捕捉到了嗓音信号的细微变化，如声带振动的不规则性、声门闭合的瞬间等。这些细微变化对于判断嗓音的健康状况至关重要，病态嗓音通常会在高频细节系数中表现出与正常嗓音不同的特征。例如，对于声带小结患者，其高频细节系数可能会出现异常的波动，这是由于小结导致声带表面不平整，使得声带振动产生更多的高频成分和不规则性。通过对不同尺度下的系数进行进一步处理，还可以提取更多的特征。可以对近似系数和细节系数进行重构，得到不同频率段的信号分量，然后计算这些分量的能量、方差等统计特征。还可以将不同尺度下的系数作为特征向量，输入到分类器中，用于区分正常嗓音和病态嗓音。在实际应用中，通常会选择多个尺度进行分析，以获取更全面的嗓音信号特征。例如，进行3层小波分解，得到3个尺度下的近似系数和细节系数，将这些系数组合成一个特征向量，能够更准确地描述嗓音信号的特征。3.2.2小波熵参数计算与特征分析小波熵作为一种基于小波变换的信号分析方法，在嗓音信号处理中具有重要的应用价值，它能够有效反映嗓音信号的复杂度、无序度等特征，为病态嗓音的诊断提供有力依据。小波熵的计算过程基于小波变换的结果，其核心思想是利用信息熵的概念来衡量信号在不同尺度下的不确定性和复杂性。对于一个经过小波变换的嗓音信号，其小波熵的计算步骤如下。对嗓音信号进行小波变换，得到不同尺度下的小波系数。如前文所述，使用离散小波变换可以将嗓音信号分解为近似系数和细节系数，不同尺度下的系数包含了信号不同频率段的信息。计算每个小波系数的概率分布。为了得到概率分布，首先需要对小波系数进行归一化处理。假设经过小波变换后得到的小波系数为w_i，i=1,2,\cdots,N，N为小波系数的总数。先计算所有小波系数的能量E=\sum_{i=1}^{N}|w_i|^2，然后计算每个小波系数的概率p_i=\frac{|w_i|^2}{E}，i=1,2,\cdots,N。利用概率分布计算小波熵。根据信息熵的定义，小波熵E_w的计算公式为：E_w=-\sum_{i=1}^{N}p_i\log(p_i)这个公式反映了信号的不确定性，熵值越大，说明信号的分布越均匀，复杂度越高；熵值越小，信号越规则，复杂度越低。在MATLAB中，可以通过编写代码实现小波熵的计算。以下是一个简单的示例代码，假设已经完成了嗓音信号的小波变换，得到了小波系数wavelet_coeffs：%计算小波系数的能量energy=sum(abs(wavelet_coeffs).^2);%计算每个小波系数的概率probabilities=abs(wavelet_coeffs).^2/energy;%计算小波熵wavelet_entropy=-sum(probabilities.*log2(probabilities));energy=sum(abs(wavelet_coeffs).^2);%计算每个小波系数的概率probabilities=abs(wavelet_coeffs).^2/energy;%计算小波熵wavelet_entropy=-sum(probabilities.*log2(probabilities));%计算每个小波系数的概率probabilities=abs(wavelet_coeffs).^2/energy;%计算小波熵wavelet_entropy=-sum(probabilities.*log2(probabilities));probabilities=abs(wavelet_coeffs).^2/energy;%计算小波熵wavelet_entropy=-sum(probabilities.*log2(probabilities));%计算小波熵wavelet_entropy=-sum(probabilities.*log2(probabilities));wavelet_entropy=-sum(probabilities.*log2(probabilities));通过对正常嗓音和病态嗓音样本的小波熵分析发现，病态嗓音的小波熵值明显高于正常嗓音。这是因为病态嗓音由于声带的病变，如炎症、息肉、小结等，导致声带振动模式发生改变，变得更加不规则和复杂。这种不规则性和复杂性反映在小波系数的分布上，使得小波系数的分布更加均匀，从而导致小波熵值增大。例如，对于声带息肉患者，息肉的存在使得声带的质量和弹性发生变化，声带振动时产生更多的高频成分和不规则振动，这些变化在小波变换后的系数中体现为系数的分布更加分散，进而使小波熵值升高。小波熵不仅可以用于区分正常嗓音和病态嗓音，还能反映嗓音信号的动态变化。在疾病的发展过程中，随着病情的加重，嗓音信号的复杂度会逐渐增加，小波熵值也会相应增大。在声带小结的早期阶段，小结较小，对声带振动的影响相对较小，小波熵值可能只是略高于正常嗓音；但随着小结的增大，对声带振动的干扰加剧，小波熵值会显著升高。这表明小波熵可以作为一个动态监测指标，用于评估疾病的发展进程和治疗效果。如果患者在接受治疗后，嗓音信号的小波熵值逐渐降低，接近正常水平，说明治疗有效，声带的功能在逐渐恢复。3.3自回归模型参数提取3.3.1自回归模型构建与参数估计自回归模型作为一种强大的时间序列分析工具，在嗓音信号处理领域具有重要的应用价值，能够有效挖掘嗓音信号中的潜在特征，为病态嗓音的诊断提供关键信息。构建自回归模型的第一步是对采集到的嗓音信号进行预处理。由于实际采集的嗓音信号往往受到环境噪声、设备干扰等因素的影响，因此需要对其进行降噪处理，以提高信号的质量。常用的降噪方法有基于小波变换的降噪方法。首先对嗓音信号进行小波变换，将信号分解为不同尺度的小波系数。在这些小波系数中，噪声主要集中在高频部分，而信号的主要特征则分布在低频部分。通过设定合适的阈值，对高频小波系数进行阈值处理，去除其中的噪声成分。然后利用处理后的小波系数进行逆小波变换，重构出降噪后的嗓音信号。假设我们有一段受到噪声污染的嗓音信号noisy_signal，使用db4小波基进行3层小波分解，设定阈值为0.5，在MATLAB中可以使用以下代码实现降噪：%假设已经读取了受噪声污染的嗓音信号noisy_signal%进行3层小波分解，选择db4小波基[cA3,cD3,cD2,cD1]=wavedec(noisy_signal,3,'db4');%对高频细节系数进行阈值处理thr=0.5;cD3=wthresh(cD3,'h',thr);cD2=wthresh(cD2,'h',thr);cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');%进行3层小波分解，选择db4小波基[cA3,cD3,cD2,cD1]=wavedec(noisy_signal,3,'db4');%对高频细节系数进行阈值处理thr=0.5;cD3=wthresh(cD3,'h',thr);cD2=wthresh(cD2,'h',thr);cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');[cA3,cD3,cD2,cD1]=wavedec(noisy_signal,3,'db4');%对高频细节系数进行阈值处理thr=0.5;cD3=wthresh(cD3,'h',thr);cD2=wthresh(cD2,'h',thr);cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');%对高频细节系数进行阈值处理thr=0.5;cD3=wthresh(cD3,'h',thr);cD2=wthresh(cD2,'h',thr);cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');thr=0.5;cD3=wthresh(cD3,'h',thr);cD2=wthresh(cD2,'h',thr);cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');cD3=wthresh(cD3,'h',thr);cD2=wthresh(cD2,'h',thr);cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');cD2=wthresh(cD2,'h',thr);cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');cD1=wthresh(cD1,'h',thr);%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');%重构降噪后的信号denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');denoised_signal=waverec([cA3,cD3,cD2,cD1],'db4');在完成降噪处理后，还需要对信号进行归一化处理，将信号的幅值范围调整到[0,1]或[-1,1]之间。这是因为自回归模型对输入信号的幅值范围较为敏感，归一化可以提高模型的稳定性和收敛速度。归一化的公式为：x_{norm}(n)=\frac{x(n)-x_{min}}{x_{max}-x_{min}}其中，x(n)是原始信号，x_{min}和x_{max}分别是原始信号的最小值和最大值，x_{norm}(n)是归一化后的信号。在MATLAB中，可以使用以下代码实现归一化：%假设已经完成降噪处理，得到denoised_signalx_min=min(denoised_signal);x_max=max(denoised_signal);normalized_signal=(denoised_signal-x_min)/(x_max-x_min);x_min=min(denoised_signal);x_max=max(denoised_signal);normalized_signal=(denoised_signal-x_min)/(x_max-x_min);x_max=max(denoised_signal);normalized_signal=(denoised_signal-x_min)/(x_max-x_min);normalized_signal=(denoised_signal-x_min)/(x_max-x_min);经过预处理后的嗓音信号，就可以用于构建自回归模型。对于一个离散时间序列\{X_t\}，假设其满足p阶自回归模型AR(p)：X_t=a_1X_{t-1}+a_2X_{t-2}+\cdots+a_pX_{t-p}+\epsilon_t其中，X_t是t时刻的观测值，a_1,a_2,\cdots,a_p是自回归系数，\epsilon_t是t时刻的白噪声，它是一个独立同分布的随机变量序列，均值为0，方差为\sigma^2。在实际应用中，需要根据具体情况选择合适的参数估计方法来确定自回归系数。最小二乘法是一种常用的参数估计方法，其基本原理是通过最小化预测值与实际观测值之间的误差平方和来估计参数。假设我们有n个观测数据X_1,X_2,\cdots,X_n，对于AR(p)模型，我们可以构建误差函数：E(a_1,a_2,\cdots,a_p)=\sum_{t=p+1}^{n}(X_t-\sum_{i=1}^{p}a_iX_{t-i})^2通过对误差函数求偏导数并令其为0，可得到一组线性方程组，解这个方程组即可得到自回归系数a_1,a_2,\cdots,a_p的估计值。在MATLAB中，可以使用regress函数来实现最小二乘法估计。假设我们已经将预处理后的嗓音信号存储在向量x中，模型阶次为p，可以使用以下代码进行参数估计：%假设已经完成信号预处理，得到向量x，模型阶次为pn=length(x);X=zeros(n-p,p);fori=1:n-pX(i,:)=x(i:i+p-1)';endY=x(p+1:end);a=regress(Y,[ones(n-p,1),X]);n=length(x);X=zeros(n-p,p);fori=1:n-pX(i,:)=x(i:i+p-1)';endY=x(p+1:end);a=regress(Y,[ones(n-p,1),X]);X=zeros(n-p,p);fori=1:n-pX(i,:)=x(i:i+p-1)';endY=x(p+1:end);a=regress(Y,[ones(n-p,1),X]);fori=1:n-pX(i,:)=x(i:i+p-1)';endY=x(p+1:end);a=regress(Y,[ones(n-p,1),X]);X(i,:)=x(i:i+p-1)';endY=x(p+1:end);a=regress(Y,[ones(n-p,1),X]);endY=x(p+1:end);a=regress(Y,[ones(n-p,1),X]);Y=x(p+1:end);a=regress(Y,[ones(n-p,1),X]);a=regress(Y,[ones(n-p,1),X]);其中，a就是估计得到的自回归系数，a(1)为常数项，a(2:end)为自回归系数a_1,a_2,\cdots,a_p。Yule-Walker方程法也是一种常用的参数估计方法，它基于信号的自相关函数来估计参数。对于AR(p)模型，其自相关函数满足以下Yule-Walker方程：\begin{bmatrix}\gamma_0&\gamma_1&\cdots&\gamma_{p-1}\\\gamma_1&\gamma_0&\cdots&\gamma_{p-2}\\\vdots&\vdots&\ddots&\vdots\\\gamma_{p-1}&\gamma_{p-2}&\cdots&\gamma_0\end{bmatrix}\begin{bmatrix}a_1\\a_2\\\vdots\\a_p\end{bmatrix}=\begin{bmatrix}\gamma_1\\\gamma_2\\\vdots\\\gamma_p\end{bmatrix}其中，\gamma_k是自相关函数在滞后k时刻的值。通过求解这个方程组，可以得到自回归系数的估计值。在MATLAB中，可以使用aryule函数基于Yule-Walker方程法进行参数估计。假设我们有预处理后的嗓音信号x，模型阶次为p，可以使用以下代码进行参数估计：%假设已经完成信号预处理，得到向量x，模型阶次为p[a,~]=aryule(x,p);[a,~]=aryule(x,p);其中，a就是估计得到的自回归系数，a(1)为1，a(2:end)为自回归系数a_1,a_2,\cdots,a_p。不同的参数估计方法在计算复杂度、估计精度、对噪声的敏感性等方面存在差异。最小二乘法计算简单，易于实现，但对噪声较为敏感，当信号中存在噪声时，估计精度可能会受到影响。Yule-Walker方程法基于自相关函数进行估计，对平稳信号的估计效果较好，但在处理非平稳信号时可能会出现偏差。在实际应用中，需要根据嗓音信号的特点和具体需求选择合适的参数估计方法，以获得准确的自回归模型参数。3.3.2模型阶次选择对参数提取的影响自回归模型的阶次选择在参数提取过程中起着至关重要的作用，它直接关系到模型对嗓音信号的拟合能力以及参数提取的准确性。选择合适的模型阶次能够更准确地捕捉嗓音信号的特征，提高病态嗓音诊断的精度；而不合适的阶次则可能导致模型拟合不足或过拟合，使提取的参数无法有效反映嗓音信号的特性。在确定自回归模型阶次时，常用的方法有最终预测误差准则（FPE）、赤池信息准则（AIC）、最小描述长度准则（MDL）等。FPE准则基于最小预测误差的原理，通过比较不同阶次下模型的预测误差来选择最优阶次。对于一个p阶自回归模型，其FPE值的计算公式为：FPE(p)=\frac{n+p}{n-p}\sigma^2_p其中，n是数据样本的数量，\sigma^2_p是p阶模型的残差方差。FPE准则倾向于选择使FPE值最小的阶次p，因为较小的FPE值表示模型的预测误差较小。在MATLAB中，可以通过循环计算不同阶次下的FPE值，然后选择FPE值最小的阶次作为最优阶次。假设我们有预处理后的嗓音信号x，最大考虑的模型阶次为max_p，可以使用以下代码实现基于FPE准则的阶次选择：%假设已经完成信号预处理，得到向量x，最大考虑的模型阶次为max_pn=length(x);fpe_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);fpe_values(p)=(n+p)/(n-p)*sigma2;endoptimal_p_fpe=find(fpe_values==min(fpe_values),1);n=length(x);fpe_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);fpe_values(p)=(n+p)/(n-p)*sigma2;endoptimal_p_fpe=find(fpe_values==min(fpe_values),1);fpe_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);fpe_values(p)=(n+p)/(n-p)*sigma2;endoptimal_p_fpe=find(fpe_values==min(fpe_values),1);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);fpe_values(p)=(n+p)/(n-p)*sigma2;endoptimal_p_fpe=find(fpe_values==min(fpe_values),1);[a,~,~,~,sigma2]=aryule(x,p);fpe_values(p)=(n+p)/(n-p)*sigma2;endoptimal_p_fpe=find(fpe_values==min(fpe_values),1);fpe_values(p)=(n+p)/(n-p)*sigma2;endoptimal_p_fpe=find(fpe_values==min(fpe_values),1);endoptimal_p_fpe=find(fpe_values==min(fpe_values),1);optimal_p_fpe=find(fpe_values==min(fpe_values),1);AIC准则试图在模型的拟合程度和复杂度之间找到平衡。其计算公式为：AIC(p)=n\ln(\sigma^2_p)+2p其中，n是数据样本的数量，\sigma^2_p是p阶模型的残差方差。AIC准则通过最小化AIC值来选择最优阶次，它在考虑模型拟合优度（由\ln(\sigma^2_p)衡量）的同时，对模型的复杂度（由参数数量p衡量）进行了惩罚。如果一个模型虽然能很好地拟合数据，但引入了过多的参数，其AIC值可能会较大，从而不被AIC准则所青睐。在MATLAB中，基于AIC准则选择阶次的代码与基于FPE准则类似，只需将计算FPE值的部分替换为计算AIC值即可：%假设已经完成信号预处理，得到向量x，最大考虑的模型阶次为max_pn=length(x);aic_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);aic_values(p)=n*log(sigma2)+2*p;endoptimal_p_aic=find(aic_values==min(aic_values),1);n=length(x);aic_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);aic_values(p)=n*log(sigma2)+2*p;endoptimal_p_aic=find(aic_values==min(aic_values),1);aic_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);aic_values(p)=n*log(sigma2)+2*p;endoptimal_p_aic=find(aic_values==min(aic_values),1);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);aic_values(p)=n*log(sigma2)+2*p;endoptimal_p_aic=find(aic_values==min(aic_values),1);[a,~,~,~,sigma2]=aryule(x,p);aic_values(p)=n*log(sigma2)+2*p;endoptimal_p_aic=find(aic_values==min(aic_values),1);aic_values(p)=n*log(sigma2)+2*p;endoptimal_p_aic=find(aic_values==min(aic_values),1);endoptimal_p_aic=find(aic_values==min(aic_values),1);optimal_p_aic=find(aic_values==min(aic_values),1);MDL准则寻找能使模型描述长度最短的阶次。模型描述长度包括模型参数的编码长度和数据在模型下的编码长度。MDL值的计算公式为：MDL(p)=n\ln(\sigma^2_p)+p\ln(n)其中，n是数据样本的数量，\sigma^2_p是p阶模型的残差方差。与AIC准则类似，MDL准则也对模型复杂度进行了惩罚，但惩罚项的权重与样本数量n有关。当样本数量较大时，MDL准则对模型复杂度的惩罚更严厉，更倾向于选择简单的模型。在MATLAB中，基于MDL准则选择阶次的代码如下：%假设已经完成信号预处理，得到向量x，最大考虑的模型阶次为max_pn=length(x);mdl_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);mdl_values(p)=n*log(sigma2)+p*log(n);endoptimal_p_mdl=find(mdl_values==min(mdl_values),1);n=length(x);mdl_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);mdl_values(p)=n*log(sigma2)+p*log(n);endoptimal_p_mdl=find(mdl_values==min(mdl_values),1);mdl_values=zeros(1,max_p);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);mdl_values(p)=n*log(sigma2)+p*log(n);endoptimal_p_mdl=find(mdl_values==min(mdl_values),1);forp=1:max_p[a,~,~,~,sigma2]=aryule(x,p);mdl_values(p)=n*log(sigma2)+p*log(n);endoptimal_p_mdl=find(mdl_values==min(mdl_values),1);[a,~,~,~,sigma2]=aryule(x,p);mdl_values(p)=n*log(sigma2)+p*log(n);endoptimal_p_mdl=find(mdl_values==min(mdl_values),1);mdl_values(p)=n*log(sigma2)+p*log(n);endoptimal_p_mdl=find(mdl_values==min(mdl_values),1);endoptimal_p_mdl=find(mdl_values==min(mdl_values),1);optimal_p_mdl=find(mdl_values==min(mdl_values),1);不同的准则可能会选择不同的阶次，这是因为它们对模型的评价标准和侧重点有所不同。FPE准则主要关注模型的预测误差，更侧重于模型的预测性能；AIC准则在考虑预测误差的同时，对模型复杂度进行了一定的惩罚，试图在拟合优度和复杂度之间找到平衡；MDL准则则更加注重模型的简洁性，当样本数量较大时，对复杂模型的惩罚更为严格。模型阶次选择不当会对参数提取的准确性产生显著影响。如果阶次选择过低，模型可能无法充分捕捉嗓音信号的动态特性和复杂变化。对于包含丰富谐波成分和细微变化的嗓音信号，低阶模型可能无法准确描述信号的特征，导致自回归系数的估计不准确。这会使得提取的参数无法有效反映嗓音信号的本质特征，从而影响病态嗓音的诊断准确性。在判断声带小结等疾病时，低阶模型提取的参数可能无法准确体现声带振动的不规则性和异常变化，导致误诊或漏诊。相反，如果阶次选择过高，模型可能会过度拟合数据。高阶模型会引入过多的参数，使得模型不仅学习到了信号中的有用特征，还学习到了噪声和数据中的一些随机波动。这样提取的参数会包含大量的噪声信息，对新数据的泛化能力下降。在实际应用中，当使用高阶模型提取的参数对新的嗓音样本进行诊断时，可能会出现较大的误差，无法准确判断嗓音的健康状况。例如，在对新的声带息肉患者的嗓音样本进行诊断时，高阶模型提取的参数可能会因为过拟合而无法准确识别出与声带息肉相关的特征，导致诊断错误。为了验证模型阶次选择对参数提取的影响，我们可以进行相关实验。选取一定数量的正常嗓音样本和病态嗓音样本，对每个样本进行不同阶次的自回归模型参数提取。然后，将提取的参数作为特征输入到支持向量机（SVM）分类器中，进行正常嗓音和病态嗓音的分类实验。通过比较不同阶次下的分类准确率，可以直观地看出模型阶次对参数提取和分类效果的影响。实验结果表明，当模型阶次选择合适时，提取的参数能够有效区分正常嗓音和病态嗓音，分类准确率较高；而当阶次选择过低或过高时，分类准确率会明显下降。在一个包含200个正常嗓音样本和200个病态嗓音样本的数据集上，当使用基于AIC准则选择的阶次进行参数提取时，SVM分类器的准确率达到了85%；而当人为选择过低或过高的阶次时，准确率分别降至70%和75%。这充分说明了模型阶次选择对参数提取和病态嗓音诊断的重要性。四、诊断模型构建与验证4.1支持向量机原理与应用支持向量机（SupportVectorMachine，SVM）是一类有监督学习方式，属于广义线性分类器，最初由弗拉基米尔・瓦普尼克（VladimirVapnik）于1963年提出，并在1995年由Vapnik等人