Resumo

A análise da qualidade de voz é um campo vasto, que abrange áreas como ciência e tecnologia da fala, telecomunicações, fonética e fonoaudiologia. Ela visa complementar os exames de visualização das pregas vocais (como video-laringoscopia) na investigação da voz disfônica. Em geral, este tipo de anomalia decorre de alterações que afetam tanto a estrutura anatômica das pregas vocais devido a lesões (nódulos, pólipos, etc.) quanto seu comportamento fonatório devido à tensão anormal nos músculos da região da laringe. A análise da voz disfônica é feita em duas modalidades: através do uso de medidas instrumentalizadas do sinal acústico da voz como, por exemplo, a freqüência fundamental ciclo-a-ciclo, e usando a percepção auditiva, por meio de escalas perceptivas. Estas escalas surgem da rotulação (i.e. atribuição de adjetivos) de impressões observadas pelos ouvintes de uma determinada voz. A escala GRBAS (e variações) é a mais comumente utilizada no Brasil. Nela, os atributos estudados são a rouquidão, soprosidade, astenia e tensão. Atributos como os citados acima são subjetivos e, apesar de serem empregados clinicamente na avaliação de problemas na voz, ainda há dificuldade no estabelecimento de escalas perceptivas consistentes entre ouvintes. O primeiro dos objetivos deste trabalho foi estabelecer um método de classificação comparativo para a qualidade da voz disfônica, o qual exija mínimo treinamento e conhecimento prévio do julgador e que tenha a maior repetividade intra-julgadores e reprodutibilidade inter-julgadores. Comparando a amostra em análise a uma amostra pré-gravada e pré-classificada, efetua-se uma classificação relativa. Explora-se, deste modo, a natureza relativa do ouvido humano, em contraste com os métodos atuais de avaliação perceptiva, nos quais o ouvido vem sido tratado como absoluto. Este método será denominado de Avaliação Comparativa. Por sua vez, as medidas instrumentais vêm complementar a avaliação perceptiva da qualidade da voz e possuem a vantagem de depender apenas de análises acústicas objetivas, e não da avaliação de um ouvinte. Neste trabalho, para a avaliação de ambos métodos, quais sejam, Avaliação Comparativa e medidas instrumentais, escolheu-se o atributo perceptivo de soprosidade para o estudo, pois o mesmo apresenta correlação alta com medidas instrumentais, sendo uma característica percebida devido ao fluxo turbulento gerado na glote ou devido ao escape de ar excessivo através de uma fenda. Neste caso, o grau de classificação está correlacionado à relação sinal-ruído da voz. Desta forma é possível gerar sinais de teste com parâmetros controlados tanto para testes de Avaliação Comparativa, quanto para medidas instrumentais. Nos experimentos, utilizando sinais sintéticos com relação sinal-ruído controlada, a Avaliação Comparativa apresentou alta confiabilidade inter-julgadores, mesmo com avaliadores inexperientes. No método desenvolvido, são escolhidas 3 ou 7 amostras-âncora, com relação sinal-ruído crescente. A seguir, um primeiro experimento consiste em determinar onde se posiciona o sinal de teste em relação aos sinais âncora. A classificação é feita por meio de comparações pareadas, onde o julgador deve avaliar se a amostra de teste apresenta maior perturbação que a amostra âncora, ou se não é possível perceber a diferença. A escolha das âncoras foi baseada no estudo psicofísico da soprosidade, através de escalas obtidas pelo método da MLDS (maximum likelihood difference scaling) e métodos adaptativos para estimativa da função psicométrica da mesma. Passando agora às medidas instrumentais, desenvolveu-se uma plataforma para teste de variados métodos. Esta comparação de métodos consiste em (i) avaliar amostras sintéticas de voz com relação sinal-ruído, jitter e shimmer controlados; e (ii) avaliar amostras de voz real predominantemente soprosas, avaliadas em uma escala perceptiva de 7 pontos (utilizando a metodologia de Avaliação Comparativa). Foram testados métodos conhecidos da literatura, como a CPPS (cepstral peak prominence), SFR (signal flatness residue), HNR e S2NR (relação sinal-ruído espectrográfica), tendo sido este último método desenvolvido neste trabalho. Através deste estudo, determinou-se que os métodos que apresentam maior correlação entre medidas acústica (objetiva) e perceptiva (subjetiva) são a CPPS e a S2NR. Notou-se também que a S2NR apresenta maior robustez a perturbações em freqüência e amplitude que a CPPS, sendo, neste critério, uma medida melhor de soprosidade.

Abstract

Voice quality is a vast field, which covers the areas of speech science and technology, telecommunications, phonetics and speech therapy. It aims to complement vocal fold visualization exams (such as video-laryngoscopy) in the investigation of dysphonic voices. In general, this type of anomaly results from changes affecting vocal folds' anatomy due to lesions (nodules, polyps, etc.) and phonatory behavior due to abnormal tension in the laryngeal muscles. Clinical voice analysis is usually done in two ways: through the use of instrumental measures of the acoustic signal, for example, fundamental frequency cycle-to-cycle perturbations, or by auditory perceptive scales. In the GRBAS scale, which is the most commonly used, the perceptual attributes are general (holistic) impression, roughness, breathiness, asthenia and strain. Attributes such as those are subjective and, although widely used clinically in the evaluation of problems in the voice, there are still difficulties in using them consistently. The first objective of this work was to establish a comparative classification method for dysphonic voice quality, which reduces the amount of training with improved intra-trial repeatability and inter-judge reproducibility. For that purpose, a relative classification is used to compare the sample under analysis with a pre-recorded and pre-classified sample. This model will be called Comparative Evaluation. In this work, both Comparative Evaluation and instrumental measures are compared. The attribute selected, breathiness, is a characteristic perceived that is associated with the turbulent flow generated in the glottis. In this case, the degree of classification is correlated to the signal-to-noise ratio of the voice. In this way it is possible to generate test signals with controlled parameters for tests of Comparative Evaluation. In the experiments, using synthetic signals with a controlled signal-to-noise ratio, the Comparative Evaluation presented high inter-judging reliability, even with inexperienced evaluators. In the developed method, 3 or 7 anchor samples are chosen, with increasing signal-to-noise ratio. Next, a first experiment consists of determining where the test signal is positioned relative to the anchor signals. The classification is made by means of paired comparisons, where the judge must evaluate if the test sample presents larger perturbation than the anchor sample, or if it is not possible to perceive the difference. The choice of anchors was based on the psychophysical study of breathiness, through scales obtained by the MLDS method (maximum likelihood difference scaling) and adaptive methods to estimate the corresponding psychometric function. Turning now to instrumental measures, a platform has been developed to test various methods. This method comparison consists of (i) evaluating synthetic samples of voice with known signal-to-noise ratios, jitter and shimmer; and (ii) to evaluate predominantly breathy real voice samples on a 7-point perceptual scale (using the Comparative Evaluation methodology). Methods known from the literature, such as CPPS (cepstral peak prominence), SFR (signal flatness residue), HNR (harmonic-to-noise ratio) and S2NR (spectrographic signal-to-noise ratio) were tested, the latter method being developed in this work. In this study, it was determined that the methods that present the greatest correlation between acoustic (objective) and perceptive (subjective) measurements are CPPS and S2NR. It was also observed that the S2NR presents greater robustness to frequency and amplitude perturbations than CPPS, being, in this criterion, a better measure of breathiness.