Respiratory sounds classification using cepstral analysis and Gaussian mixture models
Respiratory sounds classification using cepstral analysis and Gaussian mixture models
复制标题
使用倒谱分析和高斯混合模型进行呼吸音分类
DOI：
10.1109/iembs.2004.1403077
复制
发表时间：
2004
期刊：
影响因子：
--
通讯作者：
C. Pelletier
中科院分区：
文献类型：
--
作者：
M. Bahoura;C. Pelletier
提出了一种基于高斯混合模型（GMM）的倒谱分析方法，将呼吸音分为两类：正常呼吸音和哮鸣音。声音信号被划分为重叠的段，其特征在于通过使用梅尔频率倒谱系数（MFCC）或基于子带的倒谱系数（SBC）的降维特征向量。该方案与其他分类器：矢量量化（VQ）和多层感知器（MLP）神经网络进行了比较。提出了一种后处理方法来改善分类结果。
The cepstral analysis is proposed with Gaussian mixture models (GMM) method to classify respiratory sounds in two categories: normal and wheezing. The sound signal is divided in overlapped segments, which are characterized by a reduced dimension feature vectors using Mel-frequency cepstral coefficients (MFCC) or subband based cepstral parameters (SBC). The proposed schema is compared with other classifiers: vector quantization (VQ) and multi-layer perceptron (MLP) neural networks. A post processing is proposed to improve the classification results.
DOI：
10.1109/89.365379
发表时间：
1995-01-01
期刊：
IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING
影响因子：
--
作者：
REYNOLDS, DA;ROSE, RC
通讯作者：
ROSE, RC