英国 Laryngograph 电子声门仪/喉头仪 EGG-D100（新款）

太原理工大学

地区：中国

署名作者：朱婷、段淑斐

研究方向：情感病理语音数据库、视频、功能性近红外光谱成像、运动性构音障碍

关联论文 3 篇

英国纽卡斯尔大学

地区：英国

署名作者：梁慧智

研究方向：情感语音数据库、多模态情感识别、维度情感空间、三维电磁发音仪

关联论文 2 篇

苏州大学

地区：中国

署名作者：张子谦、肖仲喆

研究方向：语音情感识别、言语产生、激励源、发音运动学

关联论文 1 篇

中国太原市中心医院

地区：中国

署名作者：张伟

研究方向：情感病理语音数据库、视频、功能性近红外光谱成像、运动性构音障碍

关联论文 1 篇

多模态情感语音数据库构建中的声门信号同步采集实验

方法说明：利用 EGG-D100 电子声门仪与三维电磁发音仪（EMA-AG501）、摄像机、麦克风同步录制普通话表演式情感语音，构建包含发音运动学、声学、声门信号与面部微表情四种模态的 STEM-E2VA 数据库。EGG-D100 以双通道模式工作：左通道记录与声带接触面积正相关的声门波形，右通道记录同步声学信号，事后利用右通道音频与麦克风音频对齐实现精确时间同步。数据库标注离散情感（中性、高兴、愉悦、冷漠、愤怒、悲伤、悲痛）与 PAD 维度情感，并通过 SVM/CNN/DNN 基线模型及 PAD 引导的多模态混合对比学习网络验证数据库质量。

实验仪器：电子声门仪 EGG-D100；三维电磁发音仪 EMA-AG501；4K 摄像机 FDR-AX100；波束成形麦克风 EM 9600

实验步骤

1. 语料与被试设计

   说明：设计覆盖七类离散情感的普通话语料，招募 22 名非表演专业大学生（男女比例 1:1，21~27 岁）作为发音人。

   关键点：情感类别覆盖强弱两档（如高兴/愉悦、悲伤/悲痛），被试性别均衡。

2. 电极佩戴与设备布置

   说明：将 EGG-D100 的两枚电极对称贴附于甲状软骨两侧；EMA 传感器固定于唇、舌及参考点，Sony FDR-AX100 摄像机与 T.bone EM 9600 麦克风置于被试前方约 30 cm 处。

   关键点：电极位置准确、接触良好，确保左通道声门波形稳定可检测。

3. 多模态同步录制

   说明：EGG-D100 以 44.1 kHz 双通道录制，左通道为声门波形、右通道为同步音频；EMA 运动学数据 250 Hz，音频 48 kHz，视频 3840×2160、25 fps。

   关键点：EGG 右通道同步音频作为与麦克风音频对齐的参考，消除人工延迟。

4. 数据预处理与筛选

   说明：剔除左通道声门波形不可检测、不稳定或缺失的样本，对音频降采样至 48 kHz/16 bit，最终获得 2943 条声学/声门/运动学样本及 24.5 小时视频。

   关键点：以声门波形质量作为样本保留的硬性筛选条件。

5. 情感标注与效度检验

   说明：20 名标注者使用改进的 7 级语义差异量表进行 PAD 维度标注，并结合 SCL-90 心理量表分析标注离群现象与标注者心理状态的关系。

   关键点：离散标签与 PAD 连续标注相结合，利用 SCL-90 处理标注偏差。

6. 识别模型验证

   说明：使用 OpenSMILE 提取特征，以 SVM、CNN、DNN 基线模型分别评估声学、声门、运动学单模态识别率；进一步提出 PAD 引导的多模态监督对比融合网络（MMCL-PAD）进行离散分类与 PAD 回归。

   关键点：声门单模态识别率约 72%，多模态融合达 85.47%，声门信号使唤醒度预测误差下降 25.31%。

实验数据

方法关联论文：基于STEM-E2VA数据集的PAD引导多模态混合对比情感识别；普通话多模态情感语音数据库的构建与评估

构音障碍患者情感病理语音数据库的声门与声学信号同步采集及识别实验

方法说明：面向运动性构音障碍患者的情感表达研究，使用 EGG-D100 电子声门仪在患者住所的低噪声房间内同步采集声学与声门信号，并配合 SONY FDR 摄像机录制视频、fNIRS 采集脑血氧信号，构建首个中文多模态情感病理语音数据库（29 名对照、39 名不同严重程度患者，表达高兴、悲伤、愤怒与中性四类情感）。通过微信小程序对可懂度、情感类别与维度情感进行标注，并以 IS09 特征集及 101 维声学特征结合 SVM/随机森林进行情感识别与疾病严重程度分类。

实验仪器：电子声门仪 EGG-D100；数码摄像机 FDR 系列；功能性近红外光谱仪；脉搏血氧仪

实验步骤

1. 语料设计

   说明：从《普通话语音学教程》中选取 5 个单元音、2 个鼻化元音、4 个复合元音、22 个数字、5 个单词、7 个音节短语、36 个句子、3 个段落、1 幅图片，以及 27 条情感语料（高兴、悲伤、愤怒各 9 条）和 9 条中性语料。

   关键点：语料覆盖非词、词、短语、句子、段落多个层级，兼顾病理评估与情感表达。

2. 被试招募与分组

   说明：招募 29 名健康对照与 39 名不同程度运动性构音障碍患者，同时采集 SCL-90 心理量表。

   关键点：患者按疾病严重程度分级，便于后续严重程度分类与相关性分析。

3. 设备布置与佩戴

   说明：被试佩戴 EGG-D100，坐在距显示屏约 3 m 处；SONY FDR 摄像机置于约 50 cm 处；同时佩戴 22 通道 fNIRS 与脉搏血氧仪。

   关键点：录制在被试住所进行，房间需保证低噪声。

4. 同步录制

   说明：EGG-D100 同步采集声学信号与声门信号，被试按提示朗读语料并以不同情感表达。

   关键点：声学与声门信号由同一设备同步获取，避免多设备对齐误差。

5. 多任务标注

   说明：开发微信小程序完成情感类别判别、效价-唤醒度维度评分和可懂度评估三项标注任务。

   关键点：标注者情感判别准确率高于 87.5%，对照组可懂度 93.8%，重度患者 67.3%。

6. 自动识别与统计分析

   说明：提取 IS09（384 维）特征进行情感识别，提取 Pitch、PSD、LSF、MFCC、LPC 等统计量构成 101 维特征进行疾病分类，使用 SVM 与随机森林，训练/测试按 7:3 划分。

   关键点：音频情感识别对照组 78%、患者 60%；声门数据 51%/38%；疾病严重程度识别率最高 87%。

实验数据

方法关联论文：情感多模态病理语音数据库的设计、构建与评估

基于声门激励信息与发音运动学的语音情感识别实验

方法说明：使用 D100 电子声门仪采集普通话表演式情感语音的声门（EGG）信号，与 Carstens AG501 电磁发音仪采集的发音运动学数据及音频同步，构建 STEM-E2VA 数据集（22 名发音人、2427 条平行样本、七类情感）。分别对音频与 EGG 提取 INTERSPEECH 2009 情感挑战赛 384 维特征，对 EMA 提取 197 维速度/加速度/声道变量特征，采用 XGBoost 进行单模态、双模态与三模态情感识别；同时利用 IAIF 逆滤波估计声门激励、HuBERT+TCN 反演发音运动，用估计的生理信息替代实测数据以验证真实场景可行性。

实验仪器：电子声门仪 EGG-D100；三维电磁发音仪 AG501

实验步骤

1. 数据采集

   说明：24 名母语为普通话的发音人（12 女 12 男，23~28 岁）每人朗读 112 条语句覆盖七类情感；EGG 电极置于甲状软骨两侧，通以高频低幅电流，44.1 kHz 采集声带接触面积变化；音频 48 kHz，EMA 250 Hz 跟踪唇舌 7 个传感器。

   关键点：EGG、音频、EMA 三路信号平行同步采集，筛选后保留 22 人 2427 条样本。

2. 特征提取

   说明：对音频与 EGG 分别提取 INTERSPEECH 2009 情感挑战赛 384 维特征；对 EMA 提取 84 维速度、84 维加速度及 29 维声道变量（VTVs）特征，共 197 维。

   关键点：EGG 特征与音频共用同一标准特征集，便于跨模态比较。

3. 生理信息估计

   说明：利用迭代自适应逆滤波（IAIF）从语音估计声门激励，用 HuBERT 自监督特征 + 时间卷积网络（TCN）从语音反演发音运动。

   关键点：用估计信号替代实测 EGG/EMA，评估无专用设备时的可行性。

4. 分类与评估

   说明：XGBoost 分类器，10 折交叉验证，比较单模态、双模态、三模态在实测与估计数据下的准确率。

   关键点：实测三模态 88.42%（较纯语音 79.97% 提升 8.45%）；估计三模态 82.69%（提升 2.72%）。

实验数据

方法关联论文：结合发声激励信息与发音运动学的语音情感识别

普通话多模态情感语音数据库的构建与评估

原文题名：Construction and Evaluation of Mandarin Multimodal Emotional Speech Database

发表年份：2024

作者：朱婷；李良奇；段淑斐；张雪英；肖仲喆；贾海蓉；梁慧智

刊源：arXiv

如何使用EGG-D100在手机端采集EGG和语音信号

发布时间：2021-09-02T07:48:09Z