计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
11期
214-217,223
,共5页
经验模态分解(EMD)%特征提取%支持向量机(SVM)%情感识别
經驗模態分解(EMD)%特徵提取%支持嚮量機(SVM)%情感識彆
경험모태분해(EMD)%특정제취%지지향량궤(SVM)%정감식별
语音情感计算引起了国内外广泛的关注,特别是在语音情感特征提取方面做了大量的研究.利用经验模态分解(EMD)方法对情感语音进行处理,得到情感语音的前4阶固有模态函数(IMF),并将前4阶IMF分别通过Hilbert变换得到其瞬时频率和瞬时振幅.提取它们的统计特征,再结合情感语音的声学特征共同组成情感特征向量,并对特征向量做归一化处理.利用支持向量机(SVM)对四种情感语音即生气、高兴、悲伤和平静进行识别.实验结果表明该方法的识别效果较好.
語音情感計算引起瞭國內外廣汎的關註,特彆是在語音情感特徵提取方麵做瞭大量的研究.利用經驗模態分解(EMD)方法對情感語音進行處理,得到情感語音的前4階固有模態函數(IMF),併將前4階IMF分彆通過Hilbert變換得到其瞬時頻率和瞬時振幅.提取它們的統計特徵,再結閤情感語音的聲學特徵共同組成情感特徵嚮量,併對特徵嚮量做歸一化處理.利用支持嚮量機(SVM)對四種情感語音即生氣、高興、悲傷和平靜進行識彆.實驗結果錶明該方法的識彆效果較好.
어음정감계산인기료국내외엄범적관주,특별시재어음정감특정제취방면주료대량적연구.이용경험모태분해(EMD)방법대정감어음진행처리,득도정감어음적전4계고유모태함수(IMF),병장전4계IMF분별통과Hilbert변환득도기순시빈솔화순시진폭.제취타문적통계특정,재결합정감어음적성학특정공동조성정감특정향량,병대특정향량주귀일화처리.이용지지향량궤(SVM)대사충정감어음즉생기、고흥、비상화평정진행식별.실험결과표명해방법적식별효과교호.
