傳統(tǒng)特征提取忽略了語(yǔ)音信號(hào)的非穩(wěn)態(tài)特性,變分模態(tài)分解技術(shù)可以精細(xì)刻畫語(yǔ)音的非平穩(wěn)性,因此利用該技術(shù)將情感語(yǔ)音信號(hào)分解為K個(gè)固有模態(tài)函數(shù),對(duì)每個(gè)分量做快速傅里葉變換后進(jìn)行頻率合成,通過(guò)Gammatone濾波器取能量對(duì)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(jìn)Gammatone頻率倒譜系數(shù)。通過(guò)支持向量機(jī)進(jìn)行語(yǔ)音情感識(shí)別,實(shí)驗(yàn)結(jié)果表明,TYUT2.0中的識(shí)別率為72.15%,柏林情感語(yǔ)音庫(kù)中的識(shí)別率為91.10%,識(shí)別效果優(yōu)于傳統(tǒng)情感語(yǔ)音特征,驗(yàn)證了該特征的有效性。 

【文章來(lái)源】：計(jì)算機(jī)工程與設(shè)計(jì). 2020,41(08)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 VGFCC特征提取及識(shí)別系統(tǒng)
    1.1 變分模態(tài)分解算法
    1.2 提取VGFCC
2 實(shí)驗(yàn)與結(jié)果分析
    2.1 情感語(yǔ)音數(shù)據(jù)庫(kù)
    2.2 特征
    2.3 識(shí)別網(wǎng)絡(luò)
    2.4 情感識(shí)別
        2.4.1 對(duì)比不同信號(hào)分解方法改進(jìn)的GFCC
        2.4.2 對(duì)比VGFCC與傳統(tǒng)語(yǔ)音特征
3 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于MFCC與GFCC混合特征參數(shù)的說(shuō)話人識(shí)別[J]. 周萍,沈昊,鄭凱鵬.  應(yīng)用科學(xué)學(xué)報(bào). 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(biāo)度分形維數(shù)特征提取方法[J]. 楊望燦,張培林,張?jiān)茝?qiáng),王懷光.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(01)
[4]基于VMD能量熵與支持向量機(jī)的齒輪故障診斷[J]. 張超,朱騰飛,王大勇.  機(jī)械設(shè)計(jì)與研究. 2018(02)
[5]基于Gammatone頻率離散小波系數(shù)的水下目標(biāo)魯棒識(shí)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(bào). 2014(06)
[6]基于伽馬啁啾濾波器組的聽(tīng)覺(jué)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(shuō)話人識(shí)別算法研究[J]. 茅正沖,王正創(chuàng),王丹.  計(jì)算機(jī)工程與應(yīng)用. 2015(01)
[8]基于EMD的改進(jìn)MFCC的語(yǔ)音情感識(shí)別[J]. 屠彬彬,于鳳芹.  計(jì)算機(jī)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(hào)：3045416