一种改进的HMM/RBF情感语音识别方法

摘要：

针对隐马尔科夫模型和径向基神经网络识别语音情感的缺陷,提出了一种新的基于两者的混合模型识别方法.将神经预测器引入隐马尔科夫模型计算状态观察概率,使得隐马尔科夫模型能有效利用语音帧间信息,同时又利用状态累计概率输入径向基神经网络分类,避免特征向量时间规整的麻烦.选取高兴、愤怒、悲伤、惊奇、平静五类情感,以平静情感为参照求取特征向量进行实验,结果表明,相对于单一隐马尔科夫模型和常用混合模型方法,该混合模型识别性能有明显改善,并且加入噪声后的识别效果仍然较好.

关键词：情感识别、混合模型、特征提取、隐马尔科夫、径向基

所属期刊栏目：44

分类号：TN912

资助基金：国家自然科学基金资助项目,编号60905039

在线出版日期：2013-05-03（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：68-72