Akustische Stimmanalyse aus fortlaufender Sprache - Untersuchung ...

Akustische Stimmanalyse aus fortlaufender Sprache
- Untersuchung von Tumorgruppen –
Jan Lessing, Matthias Fröhlich, Dir Michaelis, Hans Werner Strube, Eberhard Kruse
Einleitung:
Ein Großteil der akustischen Analysemethoden zur quantitativen Stimmgütebeschreibung
basiert auf der Analyse von gehaltenen, isoliert gesprochenen Vokalen. Der zu analysierende
Bereich ist dabei klar durch Beginn und Ende der Phonation bestimmt. Anders dagegen verhält
es sich bei der Analyse von fortlaufender Sprache, bei der die zu analysierenden Segmente
stimmhafter Phonation erst aus dem fortlaufenden Signal selektiert werden müssen. Ein
wesentlicher Vorteil der Analyse fortlaufender Sprache liegt in einer natürlicheren und einfacheren
Sprechsituation für den Patienten, im Gegensatz zur möglichst stabilen, meist mehrere
Sekunden andauernden gehaltenen Phonation der Vokale. Die Textanalyse liefert zum einen
zusätzliche Informationen, die aus einer alleinigen Vokalanalyse nicht hervorgehen, zum anderen
stellen die Ergebnisse aber auch eine wichtige Vergleichsmöglichkeit für die Interpretation
der Vokalanalyseergebnisse dar 1 .
Die Problematik der Analyse fortlaufender Sprache liegt allerdings in der notwendigen
Segmentierung des Sprachsignals zur Selektion der Bereiche stimmhafter Phonation. Diese
Selektion ist erforderlich, da lediglich die stimmhaften Anteile in die akustische Analyse einfließen
sollen. Mit „stimmhaften Bereichen“ ist in diesem Zusammenhang nicht eine Stimmhaftigkeit
aufgrund einer klar erkennbaren Periodizität im Zeitsignal gemeint, sondern die
Stimmhaftigkeit des vom Sprecher artikulierten Phonems. Bei einem aphonen Sprecher z.B.
ist in der Regel keinerlei Periodizität im Zeitsignal zu erkennen, ein von ihm artikulierter Vokal
wird im Rahmen der hier kurz dargestellten Methode 2 aber trotzdem als stimmhaft bezeichnet.
Methode:
Das digital vorliegende Sprachsignal wird durch Kurzzeitfensterung in kürzere Abschnitte
zerlegt. Durch Bestimmung der Signalenergie in jedem Fenster werden Sprechpausen ausgeschlossen.
Unter Verwendung einer LPC-Analyse wird die Einhüllende des Signalkurzzeitspektrums
bestimmt. Diese LPC-Spektren werden barkskaliert, dynamikkomprimiert und
normiert. Die so transformierten Kurzzeitspektren jedes dieser einzelnen Fenster werden einem
Neuronalen Netz zur Klassifikation zugeführt. Das Neuronale Netz selektiert anhand der
1

während der Trainingsphase erworbenen Generalisierungsfähigkeit die Segmente stimmhafter
Phonation aus dem fortlaufenden Sprachsignal. Diese stimmhaften Segmente werden anschließend
zur Bestimmung akustischer Parameter herangezogen werden. Zur Beschreibung
der Stimmgüte im Heiserkeits-Diagramm, mit seinen beiden Achsen Irregularitätskomponente
-horizontal aufgetragen- und Rauschkomponente –vertikal aufgetragen- sind dazu die Parameter
Jitter, Shimmer, Periodenkorrelationskoeffizient und GNE zu bestimmen 3 . Dies erfolgt
unter Verwendung des Waveform Matching Algorithmus, mit dem die einzelnen Periodenmarken
in den stimmhaften Bereichen des Sprachsignals ermittelt werden.
Die für die Analyse fortlaufender Sprache notwendige Selektion der Bereiche stimmhafter
Phonation ist mit dieser Methode für Stimmen beliebiger Stimmgüte möglich. Auch der
Inhalt des fortlaufenden Textes ist beliebig.
Ergebnisse:
Unter Verwendung dieser hier nur kurz skizzierten Methode sind verschiedene Gruppen unterschiedlicher
Phonationsmechanismen nach Tumorresektion akustisch analysiert worden 4 .
Untersucht wurden Patienten der Gruppe glottische Ersatzphonation mit Schwingung (gl.
phon.), pseudoglottische Ersatzphonation (ps. gl. phon.), ventrikuläre Ersatzphonation (vent.
phon.) und ary-epiglottische Ersatzphonation (ary-epigl. phon.). Von diesen Sprechern sind
jeweils getrennte Untersuchungen von gehaltener Phonation und fortlaufender Sprache
durchgeführt worden. Die Einzelergebnisse der Stimmanalyse der jeweiligen Sprecher sind
entsprechend der Pathologie zu einem Gruppenergebnis zusammengefaßt worden. Dazu sind
die Mittelpunkte der Einzelsprecherellipsen gemittelt worden und mit ihrem jeweiligen Fehlermaß
als Ellipse der gesamten Tumorgruppe im Heiserkeits-Diagramm dargestellt. In den
beiden Abbildungen sind diese Ellipsen sowie die Analyseergebnisse für Normalstimmen und
aphone Stimmen mit angegeben.
Im Vergleich der Ergebnisse von Text- und Vokalanalyse ist deutlich die Übereinstimmung
der Positionen der Ellipsen der einzelnen Tumorgruppen zueinander zu erkennen.
Wie zu erwarten liegt die Irregularitätskomponente für die Textanalyse generell bei etwas
höheren Werten, da bei fortlaufender Sprache die akustischen Parameter Jitter und Shimmer,
die in die Irregularitätskomponente eingehen, höhere Werte als in gehaltener Phonation aufweisen.
2

In einer statistischen Untersuchung der Ergebnisse dieser Tumorgruppen spiegelt sich
diese Übereinstimmung ebenfalls wider. In den beiden Tabellen (Textanalyse links, Vokalanalyse
rechts) sind die Ergebnisse eines zweidimensionalen Kolmogorov-Smirnov-Tests
für die angeführten Tumorgruppen dargestellt. Angegeben ist in den beiden Tabellen der Abstand
der Mittelpunkte der Ellipsen im Heiserkeits-Diagramm voneinander. Alle nicht gekennzeichneten
Werte in der Tabelle trennen sich mit einem Signifikanzlevel von p = 0,05.
Textanalyse
gl. phon.
ps. gl. phon.
vent. phon.
aryepigl. phon.
Vokalanalyse
gl. phon.
ps. gl. phon.
vent. phon.
aryepigl. phon.
aphon
normal (32) 0,66 2,23 2,58 3,82 normal (37) 1,16 3,09 4,34 5,44 6,67
gl. phon (13) 1,64 2,15 3,43 gl. phon (18) 1,93 3,23 4,32 5,54
ps.gl. phon (6) 0,93 † 2,09 ps. gl. phon (8) 1,67 † 2,69 3,83
vent.phon. (6) 1,28 † vent.phon. (6) 1,10 † 2,32
aryepigl. phon. (5) 1,23
Ziel dieser Untersuchung war zu ermitteln, ob sich die einzelnen Gruppen signifikant voneinander
trennen lassen. Lediglich die Gruppe der ventrikulären Ersatzphonation läßt sich sowohl
für die Textanalyse als auch für die Vokalanalyse nicht von der glottischen Ersatzphonation
ohne Schwingung und der ary-epiglottischen trennen. Die anderen Gruppen lassen sich
sowohl für die Textanalyse als auch für die Vokalanalyse signifikant voneinander trennen.
Zusammenfassung:
Die mit der entwickelten Methode erhaltenen Ergebnisse der akustischen Analyse fortlaufender
Sprache decken sich gut mit denen aus der Analyse gehaltener Phonation. Die einzelnen
untersuchten Phonationsgruppen lassen sich größtenteils statistisch signifikant voneinander
trennen. Die Positionen der im Heiserkeits-Diagramm dargestellten Ellipsen der einzelnen
Tumorgruppen weisen eine gute Übereinstimmung zwischen beiden Methoden auf. Die mit
dieser Methode mögliche unüberwachte Analyse beliebigen fortlaufenden Textes ist für alle
Stimmstörungen, einschließlich aphoner Stimmen, möglich und stellt eine wichtige Ergänzung
zu den Analysemethoden gehaltener Phonation dar.
3

Literatur:
1
J. Lessing, H.W. Strube, E. Kruse: Akustische Analyse pathologischer Stimmen aus fortlaufender
Sprache; Aktuelle phoniatrisch pädaudiologische Aspekte 1997/98, M. Gross
(Hrsg.), 53-59 (1997)
2
J. Lessing, M. Fröhlich, D. Michaelis, H.W. Strube, E. Kruse: Verwendung Neuronaler
Netze zur Stimmgütebeschreibung pathologischer Stimmen. Aktuelle phoniatrisch pädaudiologische
Aspekte 1998/99, M. Gross (Hrsg.), zur Veröffentlichung angenommen
3
D. Michaelis, M. Fröhlich, H.W. Strube: Selection and combination of acoustic parameters
for the description of pathological voices; J. Acoust. Soc. Am. 103, 1628-1639 (1998)
4
M. Fröhlich, D. Michaelis, E. Kruse: Objektive Beschreibung der Stimmgüte unter Verwendung
des Heiserkeits-Diagramms; HNO 64, 684-689 (1998)
Autoren:
Dipl. Phys. Jan Lessing, Dr. Hans Werner Strube
Drittes Physikalisches Institut, Georg-August Universität, Bürgerstr. 42-44, 37073 Göttingen,
Tel: 0551/397731, Fax: 0551/397720
Dipl. Phys. Matthias Fröhlich, Dipl. Phys. Dirk Michaelis, Prof. Dr. med Eberhard Kruse
Abt. Phoniatrie und Pädaudiologie, Georg-August Universität, Robert-Koch-Straße 40, 37075
Göttingen
4