基于人耳听觉特性的谱能量特征在情感语音识别中的研究.pdfVIP

第十一届全国人机语音通讯学术会议 基于人耳听觉特性的谱能量特征在情感语音识别中的研究 孙颖，阴杰敏，张雪英 (太原理工大学 信息工程学院信息系，太原 030024) 摘 要：以语音产生的非线性模型为基础，研究了用于情感 语音作为一个重要的生物信号，除了在讲话者 之间传递语言信息外，也携带了大量的副语言内 语音分类的语音信号能量谱包络下的面积(AUSEES, Area 容，包括说话者的情感、个性、态度以及当前的心 Under the Spectral Energy Envelope of the Speech Signal)和声门 理状态等重要信息。语音是由肺部气流经过喉的控 波形能量谱包络下的面积(AUSEEG, Area Under the Spectral 制（声带和声门的协同作用），在形状变化的声道 Energy Envelope of the Glottal Waveform)两种谱能量特征。用 中流动，最后由口唇（或鼻腔）传出。经典的语音 模拟人耳听觉特性的 Bark 尺度频带划分方法对基本的 产生机理模型认为气流通过声带和声道具有单向 的层流式的特征，并且以平面波的形式传播。目前 AUSEES 、AUSEEG 特征中的线性平均划分方法进行了改进， 的喉科学实验研究了发音过程中气流的非线性特 生成了基于人耳听觉特性的谱能量 AUSEES-Bark 、 征，并证明了 Teager 所提出的气流通过声门后不仅 AUSEEG-Bark 特征。将 AUSEES-Bark 、AUSEEG-Bark 特征 仅以平面波的形式传播，还会产生涡流。而这种涡 应用到情感语音识别中，试验的结果表明，改进后的特征识 流正是携带说话者语音情感，个性等副语言内容的 别率有了较大的提高，具有更好的情感分类效果。 主要载体。 因此，针对语音产生的非线性模型机理，本文 关键词：语音信号处理；非线性模型；谱能量特征；Bark 尺 研究了基本的谱能量特征即语音信号能量谱包络 度；情感语音识别 的面积(AUSEES, Area Under the Spectral Energy 中图分类号：TN912 ；Q62 of the Speech Signal)和声门波形能量谱包络下的面 积 (AUSEEG, Area Under the Spectral Energy Study for classification of speech Envelope of the Glottal Waveform) [1]，在基本的谱能 expressiveness by using human 量特征中，频带划分采用了线性平均划分方法。由 auditory-based spectral energy features