基于聚合经验模态分解的情感语音特征提取

摘要：

特征提取是情感语音识别系统的关键过程,决定系统整体识别性能.传统特征提取技术假定语音信号是线性、短时平稳信号,不具有自适应性.为此,通过聚合经验模态分解(EEMD)算法以非线性的处理方式提取特征.情感语音信号经EEMD分解后得到一组固有模态函数(IMF),利用相关系数法筛选出有效分量集合,对集合函数计算得到IMF能量特征(IMFE).选用德国柏林语音库作为实验数据来源,将IMFE特征、韵律特征、梅尔倒谱系数特征以及三者的融合特征分别输入到支持向量机中,通过比较不同特征的识别结果验证IMFE特征的有效性.实验结果表明,IMFE特征与声学特征融合后的平均识别率达到91.67％,可有效区分不同的情感状态.

关键词：特征提取、聚合经验模态分解、固有模态函数、SpearmanRank相关系数、声学特征、情感语音识别

所属期刊栏目：43

分类号：TN912.3

资助基金：国家自然科学基金61371193;山西省回国留学人员科研基金2013-034

在线出版日期：2017-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：306-309,315