發(fā)布時間：2021-02-22 04:00

　　傳統(tǒng)特征提取忽略了語音信號的非穩(wěn)態(tài)特性,變分模態(tài)分解技術(shù)可以精細刻畫語音的非平穩(wěn)性,因此利用該技術(shù)將情感語音信號分解為K個固有模態(tài)函數(shù),對每個分量做快速傅里葉變換后進行頻率合成,通過Gammatone濾波器取能量對數(shù),經(jīng)離散余弦變換得到新特征變,即分模態(tài)分解改進Gammatone頻率倒譜系數(shù)。通過支持向量機進行語音情感識別,實驗結(jié)果表明,TYUT2.0中的識別率為72.15%,柏林情感語音庫中的識別率為91.10%,識別效果優(yōu)于傳統(tǒng)情感語音特征,驗證了該特征的有效性。 

【文章來源】：計算機工程與設(shè)計. 2020,41(08)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 VGFCC特征提取及識別系統(tǒng)
    1.1 變分模態(tài)分解算法
    1.2 提取VGFCC
2 實驗與結(jié)果分析
    2.1 情感語音數(shù)據(jù)庫
    2.2 特征
    2.3 識別網(wǎng)絡(luò)
    2.4 情感識別
        2.4.1 對比不同信號分解方法改進的GFCC
        2.4.2 對比VGFCC與傳統(tǒng)語音特征
3 結(jié)束語


【參考文獻】：
期刊論文
[1]基于MFCC與GFCC混合特征參數(shù)的說話人識別[J]. 周萍,沈昊,鄭凱鵬.  應(yīng)用科學(xué)學(xué)報. 2019(01)
[2]基于VMD算法的光柵莫爾條紋去噪方法[J]. 鮑克勤,盧丹,吳文峰,陳丹.  光通信技術(shù). 2019(01)
[3]利用VMD的雙標度分形維數(shù)特征提取方法[J]. 楊望燦,張培林,張云強,王懷光.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(01)
[4]基于VMD能量熵與支持向量機的齒輪故障診斷[J]. 張超,朱騰飛,王大勇.  機械設(shè)計與研究. 2018(02)
[5]基于Gammatone頻率離散小波系數(shù)的水下目標魯棒識別[J]. 吳姚振,楊益新,田豐,楊龍,陶燦.  西北工業(yè)大學(xué)學(xué)報. 2014(06)
[6]基于伽馬啁啾濾波器組的聽覺特征提取算法[J]. 羅元,陳君,張毅.  信息與控制. 2013(05)
[7]基于Gammatone濾波器組的說話人識別算法研究[J]. 茅正沖,王正創(chuàng),王丹.  計算機工程與應(yīng)用. 2015(01)
[8]基于EMD的改進MFCC的語音情感識別[J]. 屠彬彬,于鳳芹.  計算機工程與應(yīng)用. 2012(18)

碩士論文
[1]基于變分模態(tài)分解的故障診斷方法研究[D]. 王振威.燕山大學(xué) 2015



本文編號：3045416