基于HMM的維吾爾語(yǔ)腭裂患兒語(yǔ)音理解度評(píng)估方法

亞爾肯·阿吉+努爾麥麥提·尤魯瓦斯+許輝+木合塔爾·霍加+白慧子

醫(yī)院 口腔頜面外科，新疆 烏魯木齊 830001）

摘要：為維吾爾語(yǔ)腭裂患者語(yǔ)音理解度的評(píng)估提供一種非主觀的臨床輔助手段，提出了一種通過語(yǔ)音識(shí)別技術(shù)對(duì)腭裂患者進(jìn)行語(yǔ)音評(píng)估的方法。結(jié)合腭裂病理性語(yǔ)音特征和維吾爾語(yǔ)特點(diǎn)，提取維吾爾語(yǔ)正常兒童語(yǔ)音特征參數(shù)，建立了基于隱馬爾科夫模型（HMM）的腭裂語(yǔ)音評(píng)估系統(tǒng)。再用此系統(tǒng)對(duì)腭裂患兒進(jìn)行了語(yǔ)音理解度評(píng)估實(shí)驗(yàn)。將此方法評(píng)估結(jié)果與由專家判聽來完成的主觀評(píng)估方法比較。實(shí)驗(yàn)結(jié)果顯示，該方法對(duì)于腭裂患兒的語(yǔ)音評(píng)估結(jié)果與主觀評(píng)估結(jié)果具有高度一致性，該方法有一定的臨床價(jià)值，值得進(jìn)一步研究。

關(guān)鍵詞：腭裂；語(yǔ)音理解度；維吾爾語(yǔ)；隱馬爾科夫模型；語(yǔ)音識(shí)別

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）01-0200-04

Abstract： A method for evaluation of evaluation of speech intelligibility for children with cleft palate through speech recognition technology is proposed to provide a non-subjective clinical supplementary measure for Uyghur children with cleft palate. Cleft palate speech evaluation system based on Hidden Markov Model（HMM） is built by extracting the speech features of normal Uyghur children in combination of pathological characteristics of Uyghur language. Besides， the speech intelligibility evaluation experiment for children with cleft palate is carried out through this system. Through comparison of this evaluation result into the subjective assessment method judged by the experts， the experimental result shows that the result of speech evaluation on children with cleft palate through this method is highly consistent with that of subjective evaluation. As a result， this method has certain clinical value and is worth further being studied.

Key words： cleft palate； speech intelligibility； Uyghur； Hidden Markov Model（HMM）； speech recognition

1 概述

腭裂是口腔頜面部常見的先天性畸形，是由于在胚胎發(fā)育過程中兩側(cè)腭突未能按時(shí)相互并與鼻中隔融合所致。腭裂畸形常常引起患兒的多種生理功能障礙，特別是語(yǔ)音功能障礙對(duì)患者的日常生活、學(xué)習(xí)、社交等均可帶來不良的影響。在臨床上需要多學(xué)科相互合作，對(duì)腭裂患兒進(jìn)行較長(zhǎng)周期的綜合序列治療。腭裂語(yǔ)音評(píng)估作為腭裂序列治療的重要步驟之一，是評(píng)價(jià)腭裂術(shù)后效果的重要指標(biāo)，還是進(jìn)行語(yǔ)音治療的主要依據(jù)[1]。因存在生理缺陷，腭裂患兒在發(fā)音過程中不能形成有效的阻礙或因口鼻腔相通，致使鼻音和口音相混，產(chǎn)生具有鼻音異常、鼻漏氣等異常語(yǔ)音表現(xiàn)[2]。除此之外，由于部分即使是手術(shù)修復(fù)后的患者仍存在結(jié)構(gòu)或功能問題無法在口腔內(nèi)保持一定的高壓力，導(dǎo)致輔音發(fā)音出現(xiàn)問題，表現(xiàn)為輔音的省略、替代和扭曲，這個(gè)特點(diǎn)尤其是在濁塞音、塞擦音和清塞音的發(fā)音上更為明顯。當(dāng)發(fā)音存在問題時(shí)，患者識(shí)圖表達(dá)的詞義也會(huì)受到影響，所以腭裂患兒與人交流的過程中最嚴(yán)重的問題其實(shí)就是聽者不能理解其語(yǔ)義。而提高語(yǔ)音理解度是腭裂語(yǔ)音治療的首要目標(biāo)，也是評(píng)估腭裂語(yǔ)音異常嚴(yán)重程度的一個(gè)重要指標(biāo)[3]。

在我國(guó)新疆地區(qū)因先天性腭裂導(dǎo)致語(yǔ)音障礙的維吾爾族患者數(shù)量較多，占新疆總患者數(shù)的一半以上[4]。維吾爾語(yǔ)是主要在新疆地區(qū)通用的一種語(yǔ)言，屬于阿爾泰語(yǔ)系突厥語(yǔ)族，是黏著性語(yǔ)。現(xiàn)代標(biāo)準(zhǔn)維吾爾語(yǔ)有32個(gè)音素，其中元音8個(gè)，輔音24個(gè)。維吾爾語(yǔ)中每個(gè)音節(jié)必須且只能含有一個(gè)元音，一個(gè)元音與零至三個(gè)輔音構(gòu)成一個(gè)音節(jié)，不存在帶復(fù)合元音的音節(jié)類型。維吾爾語(yǔ)中一個(gè)詞根或詞干與一個(gè)或多個(gè)詞綴鏈接后組成新單詞，并以單詞的形式表達(dá)語(yǔ)義。所以，維吾爾語(yǔ)腭裂患兒語(yǔ)音理解度的評(píng)估方法中需要以詞表作為測(cè)試語(yǔ)料，以單詞表達(dá)的語(yǔ)義是否可被理解作為評(píng)價(jià)標(biāo)準(zhǔn)。

目前認(rèn)為由專業(yè)人員判聽來完成的主觀評(píng)估是腭裂語(yǔ)音理解度評(píng)估的金標(biāo)準(zhǔn)[5]，但是主觀評(píng)估法受主觀因素的影響，而且專業(yè)人員的培訓(xùn)需要較長(zhǎng)時(shí)間。到目前為止，還沒有一個(gè)能全面代替人聽覺功能的設(shè)備。因此，國(guó)外有學(xué)者開始關(guān)注語(yǔ)音識(shí)別技術(shù)，希望利用此技術(shù)對(duì)腭裂語(yǔ)音實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)評(píng)估。語(yǔ)音識(shí)別技術(shù)作為實(shí)現(xiàn)人機(jī)語(yǔ)音交互中最關(guān)鍵的技術(shù)，在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用和發(fā)展，其同樣在腭裂病理性語(yǔ)音的評(píng)估方面開始起到了一定的作用，也讓腭裂患者語(yǔ)音理解度的自動(dòng)評(píng)估成為了可能?；谡Z(yǔ)音識(shí)別的腭裂語(yǔ)音評(píng)估方法的優(yōu)點(diǎn)是具有自動(dòng)、簡(jiǎn)便、無創(chuàng)、無痛等特點(diǎn)。且HMM的語(yǔ)音識(shí)別原理和特點(diǎn)在腭裂語(yǔ)音自動(dòng)評(píng)估中有著很大的優(yōu)勢(shì)[6]。因此，國(guó)外許多學(xué)者開始利用基于HMM的語(yǔ)音識(shí)別方法對(duì)腭裂語(yǔ)音進(jìn)行了自動(dòng)評(píng)估[7-8]。在國(guó)內(nèi)基于HMM的語(yǔ)音識(shí)別方法也已經(jīng)實(shí)現(xiàn)對(duì)于漢語(yǔ)腭裂患者語(yǔ)音中單獨(dú)的某個(gè)病理性語(yǔ)音特征，如高鼻音、輔音省略的識(shí)別[9-10]。但是，目前對(duì)于我國(guó)少數(shù)民族腭裂患兒的語(yǔ)音評(píng)估方面的研究較少，也未見關(guān)于維吾爾語(yǔ)腭裂語(yǔ)音評(píng)估相關(guān)文獻(xiàn)。

我們前期的研究發(fā)現(xiàn)，維吾爾族腭裂患兒在聲學(xué)方面存在不同于漢族患兒的特征[11]。而隨著維吾爾語(yǔ)語(yǔ)音聲學(xué)參數(shù)數(shù)據(jù)庫(kù)的建立，維吾爾語(yǔ)孤立詞語(yǔ)音識(shí)別及維吾爾語(yǔ)連續(xù)語(yǔ)音識(shí)別研究已經(jīng)取得了一定的進(jìn)展[12]。本文從維吾爾語(yǔ)的單詞結(jié)構(gòu)出發(fā)，結(jié)合腭裂語(yǔ)音理解度評(píng)估要求，將單詞作為識(shí)別單元，提出了基于HMM的維吾爾語(yǔ)腭裂語(yǔ)音理解度評(píng)估方法。并且將此方法判別結(jié)果與專家主觀評(píng)估出判別結(jié)果進(jìn)行比較，分析結(jié)果，反復(fù)調(diào)節(jié)系統(tǒng)參數(shù)設(shè)計(jì)，使該方法與專家主觀評(píng)估出的維吾爾語(yǔ)腭裂患兒語(yǔ)音理解度達(dá)到最大擬合。

2 語(yǔ)音數(shù)據(jù)

2.1 語(yǔ)音測(cè)試表

錄音材料選用新疆維吾爾自治區(qū)人民醫(yī)院與新疆大學(xué)合作建立的維吾爾語(yǔ)腭裂語(yǔ)音理解度測(cè)試詞表，詞數(shù)為60個(gè)（如表1所示）。選詞的原則是盡量選以該輔音起首的單音節(jié)詞，在沒有合適的單音節(jié)詞的情況下，就選擇詞重音所在音節(jié)的起首輔音為測(cè)試目標(biāo)的雙音節(jié)詞。詞表中去排除了構(gòu)詞極少的舌葉濁擦音/?/及3個(gè)與受腭裂語(yǔ)音影響較小的鼻輔音/m/、/n/、/?/。按照腭裂語(yǔ)音理解度評(píng)估的要求，選詞時(shí)篩除了生僻詞，存在方言差異的詞，盡可能選擇具有實(shí)際語(yǔ)意，有畫面感，可以引發(fā)聯(lián)想，學(xué)齡前兒童也能理解的詞。

2.2 錄音及數(shù)據(jù)采集方法

錄音間墻面采用隔音材質(zhì)制作，錄音環(huán)境安靜，密閉，盡可能地減少了噪聲，雜音的影響。錄音方式是以跟讀的方式進(jìn)行，所有受試者戴耳機(jī)，觀看幻燈片跟讀語(yǔ)料。體位舒適，精神放松，音量適中，語(yǔ)音樣本重復(fù)2次。錄音設(shè)備選用索尼公司生產(chǎn)的線性PCM 錄音棒（型號(hào)PCM-D50），采樣率調(diào)為44.10kHz，采樣位調(diào)節(jié)為16bit，單聲道，調(diào)整麥克風(fēng)與被測(cè)對(duì)象口唇的距離為15cm。語(yǔ)音數(shù)據(jù)以無損音頻格式WAV文件存儲(chǔ)。

2.3 維吾爾族正常兒童語(yǔ)音語(yǔ)料庫(kù)與維吾爾族腭裂術(shù)后患兒語(yǔ)音語(yǔ)料庫(kù)

正常組選擇來自南北疆100例正常兒童，其中，男55例，女45例，年齡5～12歲，平均年齡8.6歲。均無智力及聽力障礙，無嚴(yán)重牙列畸形，近期無上呼吸道疾病，及其他影響語(yǔ)言功能疾病，并可順利配合跟讀采集語(yǔ)音樣本。腭裂術(shù)后組選用從2011年1月至2013年12月期間因術(shù)后復(fù)查或擬進(jìn)行語(yǔ)音治療前來我院的患者中選擇20例維吾爾族腭裂術(shù)后患兒，其中男12例，女8例，年齡5～12歲，平均年齡8.8歲。均未接受過語(yǔ)音治療，腭裂手術(shù)封閉裂隙12個(gè)月以上，非綜合征型腭裂患者，能配合跟讀，錄音時(shí)無影響發(fā)音的上呼吸道疾病，無其他可能影響語(yǔ)音的重要異常，如智力缺陷、聽力障礙等。兩組兒童錄音完成后選用PRAAT語(yǔ)音分析軟件（版本號(hào)5.1.43），進(jìn)行詞為一個(gè)層級(jí)的標(biāo)注。因該軟件需將Unicode形式的維吾爾文轉(zhuǎn)換成英文字母表示，本文用英文26個(gè)字母表示26個(gè)維文音素，其余6個(gè)采用英文字母的大寫形式來表示，停頓用sp，靜音用sil表示，總共包括34個(gè)音素（如表2所示）。

3 基于HMM的腭裂語(yǔ)音評(píng)估系統(tǒng)

本文按照訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)8：2的比例，從維吾爾族正常兒童語(yǔ)音語(yǔ)料庫(kù)隨機(jī)選取80例正常兒童作為訓(xùn)練數(shù)據(jù)，提取美爾頻譜倒譜系數(shù)（mel frequency cepstrum coefficient，MFCC）特征參數(shù)，利用HMM識(shí)別模式，經(jīng)過多次訓(xùn)練建立模型。利用經(jīng)過預(yù)處理和MFCC特征提取后的測(cè)試數(shù)據(jù)對(duì)該模型進(jìn)行性能測(cè)試。最終，將同樣經(jīng)過預(yù)處理和MFCC特征參數(shù)提取的腭裂患兒語(yǔ)音數(shù)據(jù)輸入該評(píng)估系統(tǒng)進(jìn)行評(píng)估，具體步驟如圖1：

3.1 預(yù)處理

預(yù)處理分為預(yù)加重、分幀和加窗與端點(diǎn)檢測(cè)三個(gè)步驟進(jìn)行。預(yù)加重處理中，使用了高通濾波函數(shù)傳導(dǎo)，濾掉較低頻率，突出較高頻率。由于人體發(fā)生機(jī)理中存在發(fā)音器官的慣性運(yùn)動(dòng)，語(yǔ)音信號(hào)的短時(shí)平穩(wěn)性被認(rèn)為在15ms-25ms，所以進(jìn)行分幀來增加對(duì)語(yǔ)音信號(hào)處理的效果。分幀由于存在邊緣平滑的動(dòng)態(tài)信息，需要在每?jī)蓚€(gè)幀以內(nèi)都設(shè)計(jì)加入一個(gè)窗，將非分幀代入到窗函數(shù)表達(dá)式中。本文中選幀長(zhǎng)為24ms，幀移為12ms。在本研究中實(shí)驗(yàn)對(duì)象為兒童，在錄音過程中可能發(fā)出與實(shí)驗(yàn)無關(guān)的嘆氣音等噪聲或者干擾，腭裂兒童也容易發(fā)出不必要的口唇音，因此端點(diǎn)檢測(cè)可以有效地從語(yǔ)音信號(hào)中確定語(yǔ)音的起點(diǎn)和終點(diǎn)，去除其他的干擾。本文采用結(jié)合語(yǔ)音信號(hào)的過零率和短時(shí)能量的傳統(tǒng)端點(diǎn)檢測(cè)算法。

3.2 MFCC特征參數(shù)提取

MFCC作為一種將人耳的聽覺感知特性和語(yǔ)音的產(chǎn)生機(jī)制相結(jié)合的語(yǔ)音特征參數(shù)，是目前維吾爾語(yǔ)語(yǔ)音識(shí)別特征提取上最主要的方法之一[13]。Mel頻率尺度的值應(yīng)與實(shí)際頻率的對(duì)數(shù)分布關(guān)系相對(duì)應(yīng)，其具體關(guān)系可用公式（1）表示為：

MFCC特征區(qū)別于其他普通倒譜特征的最重要的特點(diǎn)是對(duì)頻譜軸的不均勻劃分。頻率用公式（1）轉(zhuǎn)換成Mel域后，Mel帶通濾波器組的中心頻率就可以按照Mel頻率刻度均勻排列。在實(shí)際應(yīng)用中，通過預(yù)處理得到語(yǔ)音幀的短時(shí)時(shí)域信號(hào)后通過快速傅里葉變換（fast Fourier transform，F(xiàn)FT）把短時(shí)時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)并求出短時(shí)能量譜，通過 FTT計(jì)算短時(shí)能量譜時(shí)用M個(gè)Mel帶通濾波器進(jìn)行濾波，再將每個(gè)濾波器頻帶內(nèi)的能量進(jìn)行疊加，輸出第K個(gè)濾波器輸出功率譜x′（k）。然后，將每個(gè)濾波器的輸出的功率譜取對(duì)數(shù)，得到相應(yīng)頻帶的對(duì)數(shù)功率譜。最終MFCC系數(shù)對(duì)功率譜進(jìn)行反離散余弦變換后得到，其關(guān)系可用公式（2）表示：

其中n=1，2...，L。

這里得到的MFCC特征參數(shù)為靜態(tài)，經(jīng)過做一階和二階差分，使得最終得到相應(yīng)的動(dòng)態(tài)特征，最后兩個(gè)不同的特征相連后生成當(dāng)前幀所對(duì)應(yīng)的有效混合特征參數(shù)。

3.3 HMM聲學(xué)模型的定義與訓(xùn)練

HMM是一種由馬爾可夫鏈演變來的用于描述隨機(jī)過程統(tǒng)計(jì)特性的概率模型。HMM不僅具有良好的識(shí)別性能和抗噪性能，而且可以很好地描述時(shí)序動(dòng)態(tài)信號(hào)的變化規(guī)律。在本研究中將詞表中的每一個(gè)詞都要設(shè)計(jì)一個(gè)HMM模型，每個(gè)HMM模型選擇一個(gè)反映狀態(tài)數(shù)、觀察函數(shù)形式、狀態(tài)轉(zhuǎn)換排列的priori結(jié)構(gòu)。我們?yōu)樗蠬MM模型選擇同一個(gè)結(jié)構(gòu)，系數(shù)向量大小取39。模型定義完成后，在訓(xùn)練模型之前，為了使得訓(xùn)練算法快速精準(zhǔn)收斂，HMM模型參數(shù)必須根據(jù)訓(xùn)練數(shù)據(jù)正確初始化，模型的每個(gè)狀態(tài)給定相同的平均向量和變化向量。本文中，選擇用HTK工具HCompV 模塊對(duì)訓(xùn)練數(shù)據(jù)估計(jì)初始模型參數(shù)，使用HTK 提供的HERest嵌入式訓(xùn)練工具進(jìn)行模型訓(xùn)練[14]。使用Baum-Welch重估計(jì)算法，對(duì)模型進(jìn)行循環(huán)往復(fù)的估計(jì)與重對(duì)齊，通過訓(xùn)練不斷地調(diào)整模型參數(shù)，使系統(tǒng)中的所有模型彼此間的距離盡可能達(dá)到最大。

3.4 語(yǔ)言模型的建立

在本研究中因?yàn)殡窳颜Z(yǔ)音理解度測(cè)試表中的測(cè)試詞是固定的，而且是以單詞作為識(shí)別單元，沒有牽扯到造句語(yǔ)法。因此，我們定義最簡(jiǎn)單的語(yǔ)法變量與測(cè)試表中每個(gè)單詞對(duì)應(yīng)即可。這種信息存儲(chǔ)在文本文件中，命名為任務(wù)詞典。任務(wù)語(yǔ)法選擇用HTK工具HParse模塊對(duì)任務(wù)詞典進(jìn)行編譯獲得。

3.5 模型匹配

聲學(xué)模型的訓(xùn)練和語(yǔ)言模型的建立完成后，將經(jīng)過預(yù)處理和特征提取的測(cè)試數(shù)據(jù)與參考模型進(jìn)行匹配，使用Viterbi算法計(jì)算能描述該觀測(cè)序列的最優(yōu)的狀態(tài)序列。Viterbi算法的思想是前向算法與似然概率最大狀態(tài)序列，本文中選擇HTK工具HVite模塊，將輸入信號(hào)的聲學(xué)特征對(duì)識(shí)別網(wǎng)絡(luò)進(jìn)行Viterbi搜索，尋找一條最優(yōu)路徑，然后將得到的候選識(shí)別結(jié)果繼續(xù)處理，通過語(yǔ)言學(xué)的語(yǔ)言模型、詞法、語(yǔ)義信息等的約束，得到最終識(shí)別結(jié)果。

4 評(píng)估實(shí)驗(yàn)及結(jié)果分析

4.1 主觀評(píng)估結(jié)果

由經(jīng)驗(yàn)豐富的頜面外科維吾爾族醫(yī)師和語(yǔ)音治療師組成的3名專家參與主觀評(píng)估，專家根據(jù)患兒發(fā)音能否被正確理解進(jìn)行評(píng)估。語(yǔ)音理解度值=被判聽者正確理解的詞數(shù)/測(cè)試表中的詞總數(shù)×100%。對(duì)3名專家主觀評(píng)估的結(jié)果進(jìn)行一致性檢驗(yàn)，從Kendall相關(guān)性分析結(jié)果來看，3名專家之間評(píng)估結(jié)果相關(guān)系數(shù)為0.984，P=0.000，相關(guān)性顯著，表明3個(gè)專家之間的評(píng)估結(jié)果具有高度一致性，評(píng)估結(jié)果可靠。

4.2 基于HMM的腭裂語(yǔ)音評(píng)估方法與主觀評(píng)估方法的比較

20例正常兒童與20例腭裂患兒的語(yǔ)音數(shù)據(jù)經(jīng)過預(yù)處理和MFCC特征提取后，使用基于HMM的語(yǔ)音評(píng)估系統(tǒng)進(jìn)行語(yǔ)音評(píng)估。系統(tǒng)對(duì)正常兒童的語(yǔ)音識(shí)別率為91.59%±3.01%，顯著高于腭裂兒童的33.33%±12.64%。兩組之間的識(shí)別率做獨(dú)立樣本t檢驗(yàn)，統(tǒng)計(jì)結(jié)果P<0.05，差異有統(tǒng)計(jì)學(xué)意義，兩組之間識(shí)別率差異顯著。說明基于HMM的腭裂語(yǔ)音理解度評(píng)估系統(tǒng)對(duì)正常語(yǔ)音具有較高的識(shí)別率，腭裂語(yǔ)音的識(shí)別率明顯低且個(gè)體之間差異較大。主觀評(píng)估與計(jì)算機(jī)評(píng)估對(duì)于正常兒童語(yǔ)音識(shí)別率也未達(dá)到100%，原因可能是語(yǔ)音識(shí)別技術(shù)自身存在局限性，而且參加本次實(shí)驗(yàn)的兒童年齡段較小，語(yǔ)言能力處于發(fā)育階段?；贖MM的腭裂語(yǔ)音評(píng)估系統(tǒng)評(píng)估語(yǔ)音理解度值取識(shí)別系統(tǒng)的正確識(shí)別率Corr=被識(shí)別系統(tǒng)正確識(shí)別的詞數(shù)/測(cè)試表中的詞總數(shù)×100%。兩種評(píng)估方法評(píng)估腭裂患兒語(yǔ)音理解度的結(jié)果對(duì)比（見表3），相關(guān)系數(shù)為0.884，P=0.000，相關(guān)性顯著，由此可以看出，提出的基于HMM的語(yǔ)音理解度評(píng)估方法與作為“金標(biāo)準(zhǔn)”的專家主觀判聽方法的結(jié)果具有高度的一致性，臨床上，可以作為一種有效的腭裂語(yǔ)音理解度評(píng)估輔助方法。

5 結(jié)束語(yǔ)

將腭裂語(yǔ)音理解度評(píng)價(jià)方法結(jié)合于維吾爾語(yǔ)的語(yǔ)音特點(diǎn)，本文提出了基于HMM的維吾爾語(yǔ)腭裂語(yǔ)音理解度評(píng)估方法。實(shí)驗(yàn)結(jié)果表明，本文提出的評(píng)估方法對(duì)腭裂術(shù)后患兒的語(yǔ)音評(píng)估結(jié)果與主觀評(píng)估結(jié)果具有高度一致性。說明該方法具有繼續(xù)研究的價(jià)值，有望成為一種腭裂語(yǔ)音理解度評(píng)估的臨床輔助手段，同時(shí)，為建立維吾爾語(yǔ)腭裂語(yǔ)音異常的識(shí)別方法提供了一定的基礎(chǔ)。

參考文獻(xiàn)：

[1] Koh K S， Kang B S， Seo D W. Speech evaluation after repair of unilateral complete cleft palate using modified 2-flap palatoplasty.[J]. J Craniofac Surg， 2009， 20（1）：111-114.

[2] Derakhshandeh F， Nikmaram M， Hosseinabad H H， et al. Speech characteristics after articulation therapy in children with cleft palate and velopharyngeal dysfunction – A single case experimental design[J]. Int J Pediatr Otorhinolaryngol 2016， 86：104-113.

[3] 馬思維，杜良智，文抑西.腭裂語(yǔ)言理解度的概念及其與語(yǔ)音清晰度的關(guān)系研究[J].中國(guó)美容醫(yī)學(xué)，2010，19（12）：1792-1794.

[4] 王小麗， 王磊， 陳永慧，等. 新疆6地（州）出生缺陷防治現(xiàn)況調(diào)查[J]. 中國(guó)優(yōu)生與遺傳雜志， 2016，24（5）：102-103.

[5] 亞爾肯·阿吉， 許輝， 等. 腭裂語(yǔ)音理解度評(píng)估方法研究進(jìn)展[J]. 中華實(shí)用診斷與治療雜志， 2016， 30（6）：525-527.

[6] Lederman D， Zmora E， Hauschildt S， et al. Classification of cries of infants with cleft-palate using parallel hidden Markov models.[J]. Med Biol Eng Comput， 2008， 46（10）：965-75.

[7] Schuster M， Maier A， Bocklet T， et al. Automatically evaluated degree of intelligibility of children with different cleft type from preschool and elementary school measured by automatic speech recognition[J]. Int J Pediatr Otorhinolaryngol.，2012，76（3）：362–369.

[8] Maier A， H?nig F， Bocklet T， et al. Automatic detection of articulation disorders in children with cleft lip and palate[J]. J Acoust Soc Am.，2009，126（5）：2589-602.

[9] 袁亞南， 何凌， 龔曉峰，等. 基于MFCC和HMM的腭裂語(yǔ)音輔音省略識(shí)別算法[J].計(jì)算機(jī)工程與設(shè)計(jì)， 2014， 35（2）：615-619.

[10] 尹恒， 何凌， 張勁，等. 基于非線性參數(shù)的腭裂患者高鼻音自動(dòng)識(shí)別[J].計(jì)算機(jī)工程與設(shè)計(jì)， 2013，34（10）：3701-3704.

[11] 許輝，木合塔爾·霍加，祁恩春，等.新疆維吾爾族腭裂患者元音共振峰分析[J].新疆醫(yī)科大學(xué)學(xué)報(bào)，2012，35（5）：638-641.

[12] 努爾麥麥提·尤魯瓦斯， 吾守爾·斯拉木. 面向大詞匯量的維吾爾語(yǔ)連續(xù)語(yǔ)音識(shí)別研究[J].計(jì)算機(jī)工程與應(yīng)用， 2013， 49（9）：115-119.

[13] 努爾麥麥提·尤魯瓦斯， 吾守爾·斯拉木. 維吾爾語(yǔ)連續(xù)語(yǔ)音識(shí)別聲學(xué)模型優(yōu)化研究[J].計(jì)算機(jī)工程與應(yīng)用， 2013， 49（2）：145-147.

[14] Majidnezhad V. A HTK-based Method for Detecting Vocal Fold Pathology[J]. Acta Informatica Medica， 2014， 22（4）：246-248.