Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2012

A voz tem sido objeto de estudos em diferentes áreas da ciência. Nas últimas duas décadas os pesquisadores demonstraram a presença do caos na produção de voz. O objetivo deste trabalho é estabelecer padrões visuais de sinais de voz humana através da técnica não linear de reconstrução de espaço de fase e associá-los com suas correspondentes análises auditivo perceptiva e acústica. Foram analisados sinais de voz humana de sujeitos de ambos os gêneros, na faixa etária de 19 a 39 anos. Foram gravadas as vogais sustentadas /a/, /e/ e /i/ do português do Brasil, com uma taxa de amostragem de 22.050 Hz. Os sinais foram analisados a fim de obter medidas acústicas (Jitter, Shimmer e Coeficiente de Excesso). Foi utilizada a técnica de reconstrução de espaço de fase para descrever as características de dinâmica não linear dos sinais de voz, e para análise perceptivo auditiva foi utilizada a escala RASAT. Os resultados demonstram que métodos de dinâmica não linear como a reconstrução do espaço de fase, parece ser uma técnica apropriada para análise de sinais de voz, incorporando os componentes caótico e determinístico da voz humana. É sugerido que análise da dinâmica não linear não substitui as técnicas existentes, embora possa aperfeiçoar e complementar os métodos de análise disponíveis para os profissionais da saúde, como fonoaudiólogos e otorrinolaringólogos / Human voice has been the focus of study for different areas of science. Researches in the last two decades have demonstrated the existence of chaos in human voice production. The purpose of this work is to use nonlinear dynamics techniques in the analysis of normal voices from healthy subjects and correlate them to traditional acoustic parameters as well as perceptual analysis. Human voice signals from healthy subjects, both male and female, ranging in age from 19 to 39 years old were analyzed. Sustained vowel sounds /a/, /e/ and /i/, from brazilian Portuguese were recorded at a sampling rate of 22,050 Hz and analyzed in order to obtain acoustic measures (Jitter, Shimmer and coefficient of excess – EX). The phase space reconstruction technique was used to describe the nonlinear dynamic characteristics of voice signal samples. The results show, that non-linear dynamical method as phase space reconstruction seems to be a suitable technique for voice signals analysis, due to the chaotic component of the human voice. It is suggested, that non-linear dynamic analysis does not replace existing techniques instead, it may improve and complement the recent voice analysis methods available for health professionals, speech therapist and clinician

A voz humana apresenta flutuações na frequência, amplitude e formato de onda. Esse comportamento característico pode ser estudado usando técnicas de análise não linear, além das técnicas convencionais. O objetivo desse trabalho é analisar sinais de vozes normais e patológicas (com nódulos e edemas) usando seção de Poincaré de vários trechos do espaço de fase reconstruído e calcular a dispersão em relação ao ponto médio da seção e em relação à distribuição dos pontos sobre os eixos coordenados. Essa dispersão será calculada utilizando o conceito estatístico de desvio padrão. Foram analisados 48 sinais de voz humanas, divididos em 3 grupos (16 normais, 16 com nódulo e 16 com edema de Reinke). Foram selecionados trechos de 500m do sinal temporal nas regiões de maior estacionariedade, descartando os trechos iniciais e finais do sinal para evitar possíveis transitórios. A partir do espaço de fase bidimensional, a seção de Poincaré foi traçada em 10 trechos distintos da trajetória. Em seguida, foi gerado o espaço de fase em 3 dimensões contendo os pontos da seção. Foi feita uma rotação tridimensional dos pontos utilizando a reta tangente à trajetória de modo que a seção ficasse paralela ao plano x = O. Da seção resultante foram extraídas as componentes principais e em seguida calculado o desvio padrão da dispersão e o desvio padrão dos pontos projetados no plano em relação aos eixos coordenados (y;z). A validação da ferramenta desenvolvida para esse estudo foi realizada utilizando um sinal senoidal inserindo gradativamente Jitter e Shimmer, onde se verificou uma variação proporcional da média da dispersão. Os resultados obtidos para esse conjunto de vozes mostraram que o desvio padrão da dispersão e o desvio padrão em relação aos eixos coordenados dos pontos de vozes normais é menor do que os encontrados para vozes com edema e com nódulo. Concluiu-se que a ferramenta proposta conseguiu diferenciar vozes normais das vozes patológicas. Portanto, a ferramenta é promissora para análise e avaliação desse grupo vozes. / The human voice, normal or pathological, has fluctuations in the frequency, amplitude and waveform. This characteristic behavior can be studied using techniques of nonlinear analysis, in addition to conventional techniques. The aim of this study is to analyze signals of normal and pathological voices (with nodules and edema) using the Poincaré section of several parts of the reconstructed phase space and calculate the dispersion in relation to the midpoint of the section and in relation to the distribution of points on coordinate axes. This dispersion is calculated using the statistical concept of standard deviation. We analyzed 48 human voice signals divided into 3 groups (16 normal, 16 with nodules and 16 with Reinke\'s edema). It was selected 500m signal frames presenting good stationarity, discarding the initial and final portions of the signal to avoid possible transient. From the two-dimensional phase space, the Poincaré section was drawn on 10 different stretches of the path. It was then generated the three-dimensional phase space containing the points of the section. We conducted a three dimensional rotation of the points using the tangent to the trajectory so that the section stayed parallel to the plane. From the resulting section, principal components were extracted and then calculated the standard deviation of the dispersion and the standard deviation of the coordinate axes of the projected points of the section in the plan. The validation tool developed for this study was performed using a sinusoidal signal gradually inserting jitter and shimmer, where there was a proportional variation of the dispersion media. The results for this set of voices showed that the standard deviation of the dispersion and the standard deviation related to the coordinate axes of the points of normal voices is smaller than those found for voices with edema and nodule. It was concluded that the proposal was promising tool for analyzing and evaluating this group voices.

A voz humana apresenta flutuações na frequência, amplitude e formato de onda. Esse comportamento característico pode ser estudado usando técnicas de análise não linear, além das técnicas convencionais. O objetivo desse trabalho é analisar sinais de vozes normais e patológicas (com nódulos e edemas) usando seção de Poincaré de vários trechos do espaço de fase reconstruído e calcular a dispersão em relação ao ponto médio da seção e em relação à distribuição dos pontos sobre os eixos coordenados. Essa dispersão será calculada utilizando o conceito estatístico de desvio padrão. Foram analisados 48 sinais de voz humanas, divididos em 3 grupos (16 normais, 16 com nódulo e 16 com edema de Reinke). Foram selecionados trechos de 500m do sinal temporal nas regiões de maior estacionariedade, descartando os trechos iniciais e finais do sinal para evitar possíveis transitórios. A partir do espaço de fase bidimensional, a seção de Poincaré foi traçada em 10 trechos distintos da trajetória. Em seguida, foi gerado o espaço de fase em 3 dimensões contendo os pontos da seção. Foi feita uma rotação tridimensional dos pontos utilizando a reta tangente à trajetória de modo que a seção ficasse paralela ao plano x = O. Da seção resultante foram extraídas as componentes principais e em seguida calculado o desvio padrão da dispersão e o desvio padrão dos pontos projetados no plano em relação aos eixos coordenados (y;z). A validação da ferramenta desenvolvida para esse estudo foi realizada utilizando um sinal senoidal inserindo gradativamente Jitter e Shimmer, onde se verificou uma variação proporcional da média da dispersão. Os resultados obtidos para esse conjunto de vozes mostraram que o desvio padrão da dispersão e o desvio padrão em relação aos eixos coordenados dos pontos de vozes normais é menor do que os encontrados para vozes com edema e com nódulo. Concluiu-se que a ferramenta proposta conseguiu diferenciar vozes normais das vozes patológicas. Portanto, a ferramenta é promissora para análise e avaliação desse grupo vozes. / The human voice, normal or pathological, has fluctuations in the frequency, amplitude and waveform. This characteristic behavior can be studied using techniques of nonlinear analysis, in addition to conventional techniques. The aim of this study is to analyze signals of normal and pathological voices (with nodules and edema) using the Poincaré section of several parts of the reconstructed phase space and calculate the dispersion in relation to the midpoint of the section and in relation to the distribution of points on coordinate axes. This dispersion is calculated using the statistical concept of standard deviation. We analyzed 48 human voice signals divided into 3 groups (16 normal, 16 with nodules and 16 with Reinke\'s edema). It was selected 500m signal frames presenting good stationarity, discarding the initial and final portions of the signal to avoid possible transient. From the two-dimensional phase space, the Poincaré section was drawn on 10 different stretches of the path. It was then generated the three-dimensional phase space containing the points of the section. We conducted a three dimensional rotation of the points using the tangent to the trajectory so that the section stayed parallel to the plane. From the resulting section, principal components were extracted and then calculated the standard deviation of the dispersion and the standard deviation of the coordinate axes of the projected points of the section in the plan. The validation tool developed for this study was performed using a sinusoidal signal gradually inserting jitter and shimmer, where there was a proportional variation of the dispersion media. The results for this set of voices showed that the standard deviation of the dispersion and the standard deviation related to the coordinate axes of the points of normal voices is smaller than those found for voices with edema and nodule. It was concluded that the proposal was promising tool for analyzing and evaluating this group voices.

A voz tem sido objeto de estudos em diferentes áreas da ciência. Nas últimas duas décadas os pesquisadores demonstraram a presença do caos na produção de voz. O objetivo deste trabalho é estabelecer padrões visuais de sinais de voz humana através da técnica não linear de reconstrução de espaço de fase e associá-los com suas correspondentes análises auditivo perceptiva e acústica. Foram analisados sinais de voz humana de sujeitos de ambos os gêneros, na faixa etária de 19 a 39 anos. Foram gravadas as vogais sustentadas /a/, /e/ e /i/ do português do Brasil, com uma taxa de amostragem de 22.050 Hz. Os sinais foram analisados a fim de obter medidas acústicas (Jitter, Shimmer e Coeficiente de Excesso). Foi utilizada a técnica de reconstrução de espaço de fase para descrever as características de dinâmica não linear dos sinais de voz, e para análise perceptivo auditiva foi utilizada a escala RASAT. Os resultados demonstram que métodos de dinâmica não linear como a reconstrução do espaço de fase, parece ser uma técnica apropriada para análise de sinais de voz, incorporando os componentes caótico e determinístico da voz humana. É sugerido que análise da dinâmica não linear não substitui as técnicas existentes, embora possa aperfeiçoar e complementar os métodos de análise disponíveis para os profissionais da saúde, como fonoaudiólogos e otorrinolaringólogos / Human voice has been the focus of study for different areas of science. Researches in the last two decades have demonstrated the existence of chaos in human voice production. The purpose of this work is to use nonlinear dynamics techniques in the analysis of normal voices from healthy subjects and correlate them to traditional acoustic parameters as well as perceptual analysis. Human voice signals from healthy subjects, both male and female, ranging in age from 19 to 39 years old were analyzed. Sustained vowel sounds /a/, /e/ and /i/, from brazilian Portuguese were recorded at a sampling rate of 22,050 Hz and analyzed in order to obtain acoustic measures (Jitter, Shimmer and coefficient of excess – EX). The phase space reconstruction technique was used to describe the nonlinear dynamic characteristics of voice signal samples. The results show, that non-linear dynamical method as phase space reconstruction seems to be a suitable technique for voice signals analysis, due to the chaotic component of the human voice. It is suggested, that non-linear dynamic analysis does not replace existing techniques instead, it may improve and complement the recent voice analysis methods available for health professionals, speech therapist and clinician

O objetivo deste trabalho foi avaliar vozes saudáveis e com alterações patológicas aplicando análise de Padrões Visuais de Dinâmica Vocal (PVDV) em conjunto com análise acústica e análise perceptivo-auditiva. Foram avaliadas 91 vozes da vogal sustentada /a/ do português do Brasil, de sujeitos de ambos os gêneros com idades entre 21 e 88 anos. As vozes foram gravadas com taxa de amostragem de 22.050 Hz, 16 bits, mono canal e formato WAV. Foram obtidos valores de jitter, shimmer e freqüência fundamental. Para análise perceptivo-auditiva foram avaliadas rugosidade, soprosidade, tensão e instabilidade. Para descrever a dinâmica dos sinais de voz dos PVDV foi utilizada a técnica de reconstrução de espaço de fase e foram analisados qualitativamente os parâmetros de loops, regularidade e convergência de traçados. Foram aplicados testes estatísticos paramétricos e não paramétricos. Os resultados demonstram que jitter apresenta uma correlação negativa com loop, regularidade e convergência dos traçados; e que shimmer tem correlação negativa com convergência e loops. As características de rugosidade e soprosidade estão correlacionadas negativamente com os três parâmetros dinâmicos. A análise qualitativa dos PVDV é uma técnica promissora, por considerar os componentes caótico e determinístico da voz. É sugerido que não substitui as técnicas existentes, embora possa aperfeiçoar e complementar os métodos usados por profissionais fonoaudiólogos e otorrinolaringologistas. / The aim of this research was to analyze healthy and pathologic voices using Vocal Dynamic Visual Patterns (VDVP) in combination with acoustical and perceptual analysis. Ninety one voice signals of sustained vowel /a/ from Brazilian Portuguese, from male and female patients, were analyzed using acoustical analysis, perceptual analysis and Vocal Dynamic Visual Patterns (VDVP) analysis. All voice samples were quantized in amplitude with 16 bits and recorded in mono-channel WAV format. The sampling frequency was 22050 Hz. Acoustical values for jitter, shimmer and fundamental frequency were obtained. Roughness, breathiness, strain and irregularity were analyzed for perceptual analysis. Phase space reconstruction technique was performed in order to describe the voice signal nonlinear characteristics by Vocal Dynamic Visual Patterns. Results showed negative correlation for jitter and the 3 dynamic parameters, as well as, for shimmer with convergence and loops. Roughness and breathiness were negative correlated with dynamical parameters. Vocal Dynamic Visual Pattern analysis is a promising technique for voice evaluation; including voice chaotic and deterministic components. It is suggested that visual pattern analysis do not replace the existing voice analysis techniques, although it complements and improves the voice evaluation methods available for speech therapist and laryngologists.

O objetivo deste trabalho foi avaliar vozes saudáveis e com alterações patológicas aplicando análise de Padrões Visuais de Dinâmica Vocal (PVDV) em conjunto com análise acústica e análise perceptivo-auditiva. Foram avaliadas 91 vozes da vogal sustentada /a/ do português do Brasil, de sujeitos de ambos os gêneros com idades entre 21 e 88 anos. As vozes foram gravadas com taxa de amostragem de 22.050 Hz, 16 bits, mono canal e formato WAV. Foram obtidos valores de jitter, shimmer e freqüência fundamental. Para análise perceptivo-auditiva foram avaliadas rugosidade, soprosidade, tensão e instabilidade. Para descrever a dinâmica dos sinais de voz dos PVDV foi utilizada a técnica de reconstrução de espaço de fase e foram analisados qualitativamente os parâmetros de loops, regularidade e convergência de traçados. Foram aplicados testes estatísticos paramétricos e não paramétricos. Os resultados demonstram que jitter apresenta uma correlação negativa com loop, regularidade e convergência dos traçados; e que shimmer tem correlação negativa com convergência e loops. As características de rugosidade e soprosidade estão correlacionadas negativamente com os três parâmetros dinâmicos. A análise qualitativa dos PVDV é uma técnica promissora, por considerar os componentes caótico e determinístico da voz. É sugerido que não substitui as técnicas existentes, embora possa aperfeiçoar e complementar os métodos usados por profissionais fonoaudiólogos e otorrinolaringologistas. / The aim of this research was to analyze healthy and pathologic voices using Vocal Dynamic Visual Patterns (VDVP) in combination with acoustical and perceptual analysis. Ninety one voice signals of sustained vowel /a/ from Brazilian Portuguese, from male and female patients, were analyzed using acoustical analysis, perceptual analysis and Vocal Dynamic Visual Patterns (VDVP) analysis. All voice samples were quantized in amplitude with 16 bits and recorded in mono-channel WAV format. The sampling frequency was 22050 Hz. Acoustical values for jitter, shimmer and fundamental frequency were obtained. Roughness, breathiness, strain and irregularity were analyzed for perceptual analysis. Phase space reconstruction technique was performed in order to describe the voice signal nonlinear characteristics by Vocal Dynamic Visual Patterns. Results showed negative correlation for jitter and the 3 dynamic parameters, as well as, for shimmer with convergence and loops. Roughness and breathiness were negative correlated with dynamical parameters. Vocal Dynamic Visual Pattern analysis is a promising technique for voice evaluation; including voice chaotic and deterministic components. It is suggested that visual pattern analysis do not replace the existing voice analysis techniques, although it complements and improves the voice evaluation methods available for speech therapist and laryngologists.