基于语音识别技术的失语症辅助诊断及康复治疗系统的研究

论文摘要

失语症患者的康复治疗问题越来越引起人们的关注。传统的失语症诊断及康复治疗都需要治疗师的参与,特别是在言语方面的诊断及训练更需要治疗师的主观判断,致使评估结果缺乏客观的定量和定性指标。随着计算机科学技术的发展,特别是语音识别技术的日趋成熟,设计一套智能化、小型化、可灵活扩展的失语症辅助诊断和康复治疗为一体的系统软件是失语症康复治疗研究的一个重要方向。本课题主要论述了失语症辅助诊断及康复治疗系统的分析、设计及建立。重点论述基于语音识别技术和人工神经网络的失语症语音评估系统的实现。通过对系统需求的分析,设计出合理的数据库。对目前流行软件开发语言的分析,确定系统的开发方式。最后,通过图片及表格的方式来显示系统建立的情况。本课题主要的研究工作包括:关于语音信号的端点检测及声韵母的切分算法、基于隐马尔可夫模型(HMM)和BP神经网络的失语症语音评估系统的研究、语音信号信息量和流利性的评估及人工智能调度功能的设计思想。在这些研究的基础上,最后构建出失语症辅助诊断及康复治疗系统,并实现了病历信息子系统、失语症辅助诊断子系统、康复治疗子系统及训练资料库子系统之间的联系。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 问题的提出及研究意义
• 1.1.1 问题的提出
• 1.1.2 研究的意义
• 1.2 国内外研究现状
• 1.2.1 失语症的分类
• 1.2.2 汉语失语症的研究现状
• 1.2.3 失语症的诊断现状
• 1.2.4 失语症的康复治疗研究现状
• 1.3 本文研究的目的和主要内容
• 1.3.1 研究目的
• 1.3.2 主要内容
• 2 失语症辅助诊断及康复治疗系统的系统架构
• 2.1 引言
• 2.2 系统的总体设计
• 2.2.1 各个模块的功能描述
• 2.2.2 各个模块之间的关系
• 2.3 失语症辅助诊断模块
• 2.3.1 辅助诊断的原则
• 2.3.2 诊断题目的设计原则及内容
• 2.3.3 综合分析和诊断决策
• 2.3.4 康复训练方案
• 2.4 失语症康复训练模块
• 2.4.1 康复训练的原则
• 2.4.2 康复训练题目的设计原则
• 2.4.3 训练效果的评估
• 2.5 人工智能调度模块的设计思想
• 2.5.1 失语症患者语音的特点
• 2.5.2 人工智能调度功能
• 2.6 本章小结
• 3 失语症语音评估系统
• 3.1 引言
• 3.2 语音信号的端点检测
• 3.2.1 数字化和预处理
• 3.2.2 端点检测和声韵母切分算法
• 3.2.3 实验仿真
• 3.3 语音参数分析
• 3.3.1 频域分析
• 3.3.2 倒谱分析
• 3.3.3 基音周期估计
• 3.3.4 共振峰估计
• 3.3.5 语谱图
• 3.4 语音识别——隐马尔可夫模型（HMM）
• 3.4.1 概述
• 3.4.2 基本原理
• 3.4.3 Viterbi 算法
• 3.5 人工神经网络
• 3.5.1 概述
• 3.5.2 神经网络在语音识别中的应用
• 3.5.3 BP 人工神经网络
• 3.6 失语症语音评估系统的设计与实现
• 3.6.1 设计背景
• 3.6.2 基本原理
• 3.6.3 关键问题
• 3.7 口语表达的评分方法
• 3.7.1 发音效果的评分
• 3.7.2 信息量和流利性的评分
• 3.8 本章小结
• 4 系统的数据库设计
• 4.1 需求分析
• 4.2 具体设计
• 4.2.1 实体联系图
• 4.2.2 表的建立
• 4.3 数据库操作的实现
• 4.4 本章小结
• 5 系统的开发方式
• 5.1 引言
• 5.2 VB 与 Matlab 接口编程方法
• 5.3 基于COM 组件的VB 与MATLAB 接口编程
• 5.3.1 接口编程的实现步骤
• 5.3.2 COM 组件创建时要注意的问题
• 5.4 创建和调用COM 组件实例
• 5.4.1 编写M 文件
• 5.4.2 COM 组件的生成
• 5.4.3 VB 程序中实现调用
• 5.5 本章小结
• 6 失语症辅助诊断及康复治疗系统的建立
• 6.1 引言
• 6.2 语音合成技术在系统中的应用
• 6.3 系统中各个子系统的建立
• 6.3.1 病历信息子系统
• 6.3.2 失语症辅助诊断子系统
• 6.3.3 失语症康复训练子系统
• 6.3.4 训练资料库子系统
• 6.4 语音信号处理的实现
• 6.4.1 语音信号处理流程
• 6.4.2 有关图片读入的问题
• 6.4.3 语音信号参数在系统中的实现
• 6.5 本章小结
• 7 结论与展望
• 7.1 主要结论
• 7.2 今后研究的方向
• 致谢
• 参考文献
• 附录