Appunti integrati con slide del corso di Elaborazione dei segnali biomedici

METODI DI INDAGINE

→ →

Scala GIRBAS si tratta di una valutazione prettamente qualitativa soggetto ripete delle lettere

→

sostenute e il clinico utilizza queste tabelle specifiche per farne una valutazione clinica

→ → →

crocettando degli indici da 0 a 3 + è alta la scala maggiore è la patologia esame

→ → → → →

laringoscopico valutazione + oggettiva valutazione quantitativa f fondamentale f0 le

→

corde vocali si sviluppano fino alla pubertà di conseguenza le caratteristiche della voce si

→ →

modificano dalla nascita all’età adulta f0 va quindi a modificarsi nella crescita cambia inoltre

→ →

tra genere e varia durante l’emissione stessa per individuarla sono stati messi appunto degli

→ → →

algoritmi il suo rilevamento ad esempio negli spettrogrammi + efficiente se limitato a

→

determinati range di frequenze note

→ →

T0 periodo che intercorre tra due picchi del segnale di solito in clinica si cerca di mantenere

→

F0 costante durante l’esame viene fatta emettere una A sostenuta una I sostenuta e una U

→ → →

sostenuta ognuna tre volte O ed E no perché hanno il problema dell’accento questo

→

chiaramente è uno standard italiano per ragioni di lingua ogni emissione vocalica ha la sua

→ →

entità spettrale queste mi permettono di distinguerle quindi produco segnali diversi che

→

possono caratterizzare la voce ricordiamo che la posizione delle labbra e i movimenti producono

→ → → →

alterazioni sul suono la stima di f0 così come l’offset dell’emissione vocale non è banale

→

c’è un periodo di transizione che mette in moto le corde vocali l’aspetto dell’offset del segnale è

→ →

difficile per mancanza di conoscenza di processi che stanno all’origine infatti speech detector

→ →

hanno problema nel capire quando una persona parla o meno perché corrisponde ad un

→

cambiamento brusco del segnale e in realtà come detto c’è un periodo di transizione prima del

→ →

parlato che permette di mettere in moto le corde vocali e dare origine al suono questa analisi

→

quantitativa del segnale della voce ci permette di fornire un’analisi degli indici ad esempio se un

trattamento chirurgico è andato o meno a buon fine.

ANALISI ACUSTICA → → → →

Parametri principali frequenza fondamentale F0 f di vibrazione delle corde vocali in Hz

→ →

jitter irregolarità della frequenza di vibrazione delle corde vocali variabilità di F0 nel tempo

→ → → → →

permette di stimare F0 in % HNR SNR NNE rapporto tra energia totale e rumore tutti

→ → →

indici di disfonia in dB formanti F1 F2 F3 F4 F5 frequenze di risonanza del tratto vocale

→

legate alla disposizione degli articolatori come faringe labbra lingua e mandibola i loro valori e la

→ →

loro posizione varia in base all’età al genere e alla lingua madre del soggetto in particolare F1

→ → →

e F2 legati alla posizione della lingua F1 all’altezza F2 ai movimenti antero-posteriori

→ → →

esame somministrato tutti questi parametri vengono calcolati su vocali sostenute parole

→ →

o suoni vocalici si è deciso di valutare a i u che permettono di valutare lo spettro di

→ →

articolazione ci si concentra sulle vocali per evitare problematiche legate al dialetto si cerca

→

di eseguire un processo standard per avere una certa ripetibilità dell’emissione questo infatti

→

vale per l’italiano ma varierà dal francese spagnolo e altre lingue importante quindi considerare

→ →

la lingua madre della persona triangolo vocalico strumento diagnostico che viene prodotto

→ presenta delle rappresentazioni in cui si caratterizza lo spettro di frequenze che un soggetto

→ →

normale dovrebbe avere questo può cambiare in base all’età e al genere

→ → → →

VSA Vowel Space Area area del triangolo varia in base alla presenza di patologie

→ →

diminuisce con disartria applicazioni disturbi neuro degenerativi hanno una componente

→

fonatoria evidente quindi la voce può essere usata come pre-screening per prevedere

→ → → →

l’insorgere di queste patologie vagito per i neonati vocali parole e suoni vocalici

→ → → →

bambini autismo o patologie genetiche adulti disfonia valutazione pre/post-operatoria

→ → → → → →

riabilitazione post ictus anziani parkinson qui infatti 3 ripetizioni di “aiule” una

→

voca normale produce 3 zone vocali nella ripetizione della parola in soggetti con Parkinson si

→

riconoscono invece 5 zone vocali si decifra quindi una

→ →

difficoltà fonatoria del soggetto difficoltà di articolazione

→ → →

altre applicazioni analisi forensi riconoscitori vocalici

→ →

ecc strumento usato elettroglottografo.

WAVELETS →

Cosa sono la trasformata di Wavelet è uno degli strumenti che può essere utilizzato per

→ →

permettere un’analisi non a supporto fisso quello che viene alterato in base alla frequenza

→ → →

analizzata è il supporto del tempo che rimane comunque finito e limitato infatti il limite

→

della STFT è che è fissa a priori la finestra la risoluzione potrebbe non permettere di vedere

→

fluttuazioni del segnale ovviamente è solo una delle possibili rappresentazioni tempo-frequenza

→ → → → → → →

a livello biomedico è efficiente tipologie continue discrete stazionarie ecc

→ →

cosa fa la WT decompone segnale attraverso una serie di wavelets dilatate e traslate una

→ →

wavelet è una funzione phi che appartiene a L^2 come media zero e modulo 1 un dizionario

di atomi nel tempo-frequenza è ottenuto attraverso delle operazioni di scaling per un fattore s e di

→ →

traslazione per un fattore u dunque la WT di un segnale al tempo u e alla scala s è

Può quindi essere espressa come la convoluzione tra segnale e versioni dilatate e traslate della

→ →

funzione wavelet la risoluzione in tempo-frequenza è variabile inversamente alla frequenza

→

questa risoluzione corrisponde ad H-box centrato di dimensioni s per sigma;t nel tempo e

→ →

sigma;omega fratto s in frequenza anche per la WT è possibile definire la densità di energia

→

detta scalogramma e vengono chiamati così perché non si trova direttamente la frequenza ma la

→

funzione di scaling →

Quelle a supporto stretto risolvono variazioni ad alta frequenza mentre quelle a supporto largo

→ →

mi risolvono variazioni a bassa frequenza conversione scale-frequenze il parametro di scala s

→ →

dipende da funzione wavelet usata e sua frequenza centrale fc questo comporta

→

un’approssimazione nella conversione tra scale e frequenze

→ → →

Ci sono + funzioni madre questa deve approssimare al meglio il segnale + è simile migliore

→ →

è la trasformazione la ricerca della funzione madre avviene in letteratura la scala è una

rappresentazione in frequenza approssimata.

CWT →

Continous a livello computazionale sarà comunque tradotta nel calcolo di un numero discreto di

→

scale s e traslazioni u quindi concettualmente sarebbe già una trasformata discreta ma che

→ →

permette una risoluzione fine in frequenza la funzione viene anche detta wavelet madre

,

→

mentre la funzione di scaling wavelet padre uno degli aspetti + critici dell’analisi tempo-

→

frequenza con wavelet è appunto la scelta della funzione madre tre criteri influenzano la scelta

→ →

numero di vanishing moments n vanish moments permettono di interpretare la WT come un

→ →

operatore differenziale multiscala di ordine n maggiore è l’ordine n maggiore è la capacità

→ →

della wavelet di rappresentare funzioni complesse dimensione del supporto ovvero per

→

quanti campioni la funzione wavelet ha valori diversi da zero segnale può presentare delle

→

singolarità che producono un’alterazione sui coefficienti della trasformata diminuendo il

→

supporto si riduce il contributo di tali singolarità a scapito però di una potenziale diminuzione

→ →

del numero di vanishing moments regolarità del segnale sia del segnale da analizzare che

→ →

della funzione madre cono di influenza ed effetti è la regione dello spettro delle wavelet dove

→

gli effetti dei bordi diventano significativi funzioni madre diverse possono mitigare l’effetto dei

→ →

bordi e quindi modificare il cono di influenza esempio di cono

→

Rappresentazione al variare del tempo valori + gialli identificano contributo di potenza

→ → →

maggiore stanno fuori dal cono probabilmente sono delle alterazioni queste regioni sono

→ →

dei punti di indeterminazione della trasformata di wavelet ricostruzione del segnale

→ →

possiamo risalire dalla trasformata WT al segnale originale su matlab cwt.m .

DWT → →

Discrete non c’è una grande differenza a livello concettuale rispetto alle continous differenza

→

sta nell’operazione di down sampling segnale viene decomposto in una serie di livelli da 1 a N

→ → → → →

per ognuno è possibile identificare i coefficienti di approssimazione a e i dettagli d

→

ad ogni livello di decomposizione segue un’operazione di downsampling di fattore 2 il segnale

→

originale dovrebbe essere quindi di lunghezza 2^N per limitare effetti di bordo la DWT

→ →

considera quindi due funzioni già introdotte ovvero la scaling function che ha un effetto

→ → →

passa-basso definisce i coefficienti di approssimazione la wavelet madre rappresenta

→ →

idealmente nella DWT l’operazione passa alto definisce i coefficienti dettagli dal segnale s si

→

fa la convoluzione tra segnale madre e scaling per ottenere passa-basso e passa-alto e calcolare

→ →

i coefficienti di approssimazione differenze con CWT dal punto di vista computazionale

→ →