导读:本文包含了声调识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:声调,耳蜗,汉语,算法,助听器,言语,声谱。
声调识别论文文献综述
李衍[1]（2018）在《3～6岁人工耳蜗植入儿童声调识别能力与语音清晰度的相关性研究》一文中研究指出目的探讨人工耳蜗植入幼儿单音节声调识别率与语音清晰度之间的相关性,以期为人工耳蜗术后康复提供参考。方法选取40名3~6岁的听障幼儿,开机时间12~15个月,采用听觉语言能力评估词表进行评估,并对其结果进行统计分析。结果单音节声调识别与语音清晰度具有极显着相关性(P=0.000,R=0.76),语音清晰度随着声调识别能力呈显着正相关。结论听障儿童康复教学过程中,应重视声调识别训练。(本文来源于《中国听力语言康复科学杂志》期刊2018年02期）
伏臻,吴玺宏,陈婧[2]（2018）在《感音神经性听力损失患者的频率调制辨别和声调识别》一文中研究指出目的利用频率追随反应对感音神经性听力损失患者的频率调制辨别能力进行客观评估,探究频率辨别能力对汉语声调识别的影响。方法对6名感音神经性听力损失患者进行频率调制辨别阈限测试、频率追随反应测试和汉语带调元音识别测试,记录各指标并对结果进行相关性分析。结果频率调制辨别阈限与频率追随反应的指标之间存在显着负相关(r=-0.849,P=0.032<0.05);频率调制辨别阈限与声调识别正确率之间存在极显着负相关(r=-0.958,P=0.003<0.01);频率追随反应指标与声调识别正确率之间存在显着正相关(r=0.856,P=0.03<0.05)。结论频率追随反应可以客观地评估听力损失患者的频率调制辨别能力,这项指标与听者对汉语声调的识别能力显着相关。(本文来源于《中国听力语言康复科学杂志》期刊2018年02期）
王梅红,胡旭君,沈晨波[3]（2018）在《时域信息对健听青年在人工耳蜗模拟声下声调识别的影响》一文中研究指出目的通过比较健听青年人在不同人工耳蜗模拟声下的声调识别正确率,探讨人工耳蜗时域信息编码对声调识别的影响。方法制作人工耳蜗模拟声:由播音员以正常语速发/a/、/o/、/e/、/i/、/u/、/ü/6个单韵母的四声,经过调整振幅包络和增加精细结构,编辑成500Hz以下不同采样精度(125、250……1 500pps)调整振幅包络和不调整振幅包络各288段(共576段)音频。用这些音频对30例健听青年进行声调识别测试,每人聆听6个韵母×4声调×振幅包络修改前后2组×4组500Hz以下不同采样精度共192段音频,分析其结果,分别比较两种不同时域信息对受试者声调识别正确率的影响。结果 (1)将不同时域精细结构合并考虑时,调整振幅包络趋向于基频(F0)对声调识别有显着作用:调整振幅包络后声调识别正确率(80.22%±16.32%)大于调整前(74.83%±20.24%)[F(1,9)=16.91,P=0.002];(2)将振幅包络合并考虑时,补充500 Hz以下频段精细结构对声调识别有影响[F(11,99)=38.86,P<0.001]:当采样精度<375pps时,声调识别成绩随采样精度的提高而显着提高(P<0.004),当采样精度≥375pps时,采样精度提高时声调识别成绩无显着改变(P>0.004);(3)调整振幅包络和精细结构之间有显着交互作用[F(11,99)=3.78,P<0.001]:当精细结构≤375pps时,调整振幅包络增加基频信息对声调识别有显着影响(P<0.05);当精细结构>375pps,随着时域信息精细程度增高,调整包络前后声调识别正确率的差值趋向于0(P>0.05)。结论 (1)人工耳蜗编码策略中调整振幅包络使之趋向F0有利于声调识别;(2)人工耳蜗编码策略中适当提高500Hz以下频率的采样精度能提高声调识别;(3)调整振幅包络趋向F0与补充500 Hz以下精细结构两种时域编码可同时运用于同一言语编码方案使声调清晰度最优化。(本文来源于《听力学及言语疾病杂志》期刊2018年01期）
冯蕾,吴丹凤[4]（2017）在《人工耳蜗植入后对侧耳是否联合使用助听器声调识别的对比研究》一文中研究指出目的探讨人工耳蜗植入后对侧耳联合使用助听器对声调识别的影响;同时探讨人工耳蜗开机时间、康复训练时间、听障儿童的学习能力等因素对声调识别的影响。方法选择3~7岁的人工耳蜗植入儿童27例,采用《言语听觉反应评估》(EARS)中的"封闭式声调测试"作为测试材料,分别单独使用人工耳蜗(CI)和在人工耳蜗对侧耳联合使用助听器(CIHA)在安静和噪声两种环境下进行声调识别的测试,使用SPSS 17.0对测试结果进行统计学分析。结果无论在安静环境还是噪声环境下,CIHA的声调测试成绩均优于CI,此优势在噪声环境下更明显;人工耳蜗开机时间、康复训练时间较长者声调测试成绩均优于较短者;听障儿童的希-内学习能力测试结果学习能力DIQ≥100与DIQ<100者声调测试成绩差异无统计学意义。结论建议听障儿童人工耳蜗植入后对侧耳联合使用助听器,但助听器需要优化和调整。(本文来源于《山东大学耳鼻喉眼学报》期刊2017年05期）
李永,范雪,杨鸿波[5]（2017）在《声谱图在汉语普通话声调识别中的应用》一文中研究指出针对汉语普通话声调的识别,采用声谱图表示声音频率信息的方法代替传统比较单一的特征提取,同时基于巨量数据和深度学习的方式,获得了可观的识别率。声调的频率特性以及不同频率之间的空间结构在声谱图中均可以得到很好的表示,同时利用深度学习中卷积神经网络模型,对声谱图进行训练学习,获取与声调相联系的大量频率特征,进而使得声调识别率得到提高,其中在验证样本集合数量为96511时,识别率为98.5%。(本文来源于《信息通信》期刊2017年07期）
亓贝尔,古鑫,刘子夜,傅新星,刘博[6]（2017）在《汉语普通话人工耳蜗使用者对声调识别的分析研究》一文中研究指出目的初步确定人工耳蜗使用者声调感知的特点,并进行分析研究。方法利用自主开发的噪声下声调识别测试材料(tone identification in noise test,TINT)在Speech Performance测试平台的控制下对20例母语为汉语普通话人工耳蜗使用者声调识别能力进行评估,获得各声调识别成绩以及声调识别混淆矩阵。采用x~2检验(chi-square test)对本组人工耳蜗使用者汉语声调识别成绩差异进行统计学分析。结果①本组人工耳蜗使用者的汉语普通话声调识别总成绩(百分制得分)分布48.75%~98.75%,平均成绩(76.38±17.29)%;②各声识别成绩平均值差异显着(x~2=2358.357,P<0.01),由高到低分别为T3(85.75%)>T4(85.25%)>T1(69.75%)>T2(64.75%),即本组人工耳蜗植入者感知T3、T4较为容易、感知T1、T2较为困难;③声调识别混淆矩阵提示T2(35.35%)、T1(30.25%)混淆度明显高于T4(14.75%)、T3(14.25%),并目各个声调之间的混淆趋势不同,T1易被混淆为T2(18.25%)、T2易被混淆为T3(24.00%)。结论时域特性明显的声调更易被人工耳蜗群体识别,因此应根据声调感知难易程度制定针对性的声调康复训练方案,综合利用听觉信息和视觉信息改善声调,特别是一声、二声的识别能力。(本文来源于《中国耳鼻咽喉头颈外科》期刊2017年04期）
魏兴梅,拱月,陈彪,石颖,苏巧彤[7]（2017）在《双耳双模式助听患者汉语普通话声调识别特征》一文中研究指出目的比较双耳双模式助听患者在安静环境和不同背景噪声下的声调识别率,探讨不同信噪比和不同基频噪声下的双模式优势。方法 12例一侧植入人工耳蜗、对侧佩戴助听器[双模式(CIHA)]的汉语普通话患者参加本研究,所有患者双模式使用时间均为半年以上。使用天使语训i-CAST测试软件的人工耳蜗科研项目模块,采用闭合式测试方法,分别测试受试者在安静环境和不同背景噪声环璋下单独使用人工耳蜗(CI)、单独使用助听器(HA)和双模式下(CIHA)的声调识别率,测试环境包括安静环境、男信号男背景、男信号女背景叁种,每种背景噪声包含10、5和0dB叁种信噪比(以下将6种背景噪声简称为男男10、男男5、男男0、男女10、男女5和男女0),即每位患者进行21组测试;每组分别测试/Ba/、/Bi/、/Bo/、/Bu/4个音的一、二、叁、四4个声调;测试声通过扬声器发出,强度为65dB SPL;记录患者上述叁种模式下的助听听阈及助听侧裸耳听阈。结果患者在CIHA与CI模式下的助听听阈差异无统计学意义(P>0.05),但均与HA模式和非植入侧的裸耳听阈差异有统计学意义(P<0.05)。声调识别率受背景环境的显着影响(F=24.77,P<0.001),安静环境、男男5和男男0背景噪声环境下双模式无明显优势(P>0.05),在男男10、男女10、男女5和男女0背景噪声环境下双模式均有显着优势(P值分别为0.010,0.012,0.015和0.001)。结论本组患者在安静环境下的声调识别双模式无显着优势,信号声与背景噪声基频不同时,双模式优势显着。(本文来源于《听力学及言语疾病杂志》期刊2017年02期）
陈蕾[8]（2017）在《基于K均值混合高斯模型的声调识别系统性能研究》一文中研究指出声调识别系统的核心是识别模型,模型性能的好坏决定着整个系统的识别能力。混合高斯模型能够很好地逼近每个声调,拟合该声调所满足的函数形式,模型常采用EM迭代算法作为模型参数的训练算法。该算法的缺点是其估计精度过分依赖于对初始值的选择。针对这一问题,文章采用K均值算法代替EM算法作为混合高斯模型的训练算法,实验表明,该算法能够有效提高系统的识别率,并具有较好的收敛性。(本文来源于《自动化与仪器仪表》期刊2017年02期）
亓贝尔,Andreas,Krenmayr,董瑞娟,傅新星,刘博[9]（2016）在《听力正常人噪声下汉语普通话声调识别成绩-强度函数的研究》一文中研究指出目的获得噪声下声调识别测试(t o n e identification in noise test,TINT)材料的听力正常人识别成绩-强度(performance-intensity,PI)函数。方法利用已确立的TINT测试材料对16名年龄在21~28岁、以普通话作为日常交流语言的听力正常人进行声调识别测试,使用SPSS17.0统计软件对结果进行分析。结果听力正常成人PI斜率分别为8.6%/d B(男声)、7.3%/d B(女声)(P=0.11);听力正常成人PI函数信噪比50阈值分别为男声(-12.9±0.8)d B、女声(-13.6±1)d B(t=2.7,P=0.016);声调类型和播音者性别对PI曲线阈值的影响即存在交互作用(F=11.7,P<0.001)、亦存在独立作用(声调类型:F=83.7,P<0.001;播音员性别:F=31.0,P<0.05),其中听力正常人一声和四声识别阈值明显低于二声和叁声识别阈值。结论本研究初步建立基于TINT测试材料的听力正常人噪声下声调识别PI函数,以期为临床工作和科学研究提供一个可选择的测量工具。(本文来源于《中国耳鼻咽喉头颈外科》期刊2016年01期）
陈蕾,肖珺,贾嫣[10]（2016）在《基于改进LD归一化算法的汉语声调识别系统的性能研究》一文中研究指出众所周知,每个人的声调基频是不同的,甚至同一个人在不同情绪下,其声调基频也存在较大的差别。这种差别对于非特定人识别系统的识别率带来了很大的影响,为了减少这种影响,必须采用归一化算法对基频进行处理。文章在几种常用的归一化算法的基础上,提出了一种改进的归一化算法,并对该算法与几种常用算法在相同实验条件下的识别率进行了比较。实验结果表明,该算法有效地提高了声调识别系统的识别率,具有一定的实用价值。(本文来源于《自动化与仪器仪表》期刊2016年01期）
声调识别论文开题报告
（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：
目的利用频率追随反应对感音神经性听力损失患者的频率调制辨别能力进行客观评估,探究频率辨别能力对汉语声调识别的影响。方法对6名感音神经性听力损失患者进行频率调制辨别阈限测试、频率追随反应测试和汉语带调元音识别测试,记录各指标并对结果进行相关性分析。结果频率调制辨别阈限与频率追随反应的指标之间存在显着负相关(r=-0.849,P=0.032<0.05);频率调制辨别阈限与声调识别正确率之间存在极显着负相关(r=-0.958,P=0.003<0.01);频率追随反应指标与声调识别正确率之间存在显着正相关(r=0.856,P=0.03<0.05)。结论频率追随反应可以客观地评估听力损失患者的频率调制辨别能力,这项指标与听者对汉语声调的识别能力显着相关。
（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。
声调识别论文参考文献
[1].李衍.3～6岁人工耳蜗植入儿童声调识别能力与语音清晰度的相关性研究[J].中国听力语言康复科学杂志.2018
[2].伏臻,吴玺宏,陈婧.感音神经性听力损失患者的频率调制辨别和声调识别[J].中国听力语言康复科学杂志.2018
[3].王梅红,胡旭君,沈晨波.时域信息对健听青年在人工耳蜗模拟声下声调识别的影响[J].听力学及言语疾病杂志.2018
[4].冯蕾,吴丹凤.人工耳蜗植入后对侧耳是否联合使用助听器声调识别的对比研究[J].山东大学耳鼻喉眼学报.2017
[5].李永,范雪,杨鸿波.声谱图在汉语普通话声调识别中的应用[J].信息通信.2017
[6].亓贝尔,古鑫,刘子夜,傅新星,刘博.汉语普通话人工耳蜗使用者对声调识别的分析研究[J].中国耳鼻咽喉头颈外科.2017
[7].魏兴梅,拱月,陈彪,石颖,苏巧彤.双耳双模式助听患者汉语普通话声调识别特征[J].听力学及言语疾病杂志.2017
[8].陈蕾.基于K均值混合高斯模型的声调识别系统性能研究[J].自动化与仪器仪表.2017
[9].亓贝尔,Andreas,Krenmayr,董瑞娟,傅新星,刘博.听力正常人噪声下汉语普通话声调识别成绩-强度函数的研究[J].中国耳鼻咽喉头颈外科.2016
[10].陈蕾,肖珺,贾嫣.基于改进LD归一化算法的汉语声调识别系统的性能研究[J].自动化与仪器仪表.2016
论文知识图
