基于聚合经验模态分解的情感语音特征提取

发布时间：2019-06-17 21:02

【摘要】：特征提取是情感语音识别系统的关键过程,决定系统整体识别性能。传统特征提取技术假定语音信号是线性、短时平稳信号,不具有自适应性。为此,通过聚合经验模态分解(EEMD)算法以非线性的处理方式提取特征。情感语音信号经EEMD分解后得到一组固有模态函数(IMF),利用相关系数法筛选出有效分量集合,对集合函数计算得到IMF能量特征(IMFE)。选用德国柏林语音库作为实验数据来源,将IMFE特征、韵律特征、梅尔倒谱系数特征以及三者的融合特征分别输入到支持向量机中,通过比较不同特征的识别结果验证IM FE特征的有效性。实验结果表明,IM FE特征与声学特征融合后的平均识别率达到91.67%,可有效区分不同的情感状态。
[Abstract]:Feature extraction is the key process of emotional speech recognition system, which determines the overall recognition performance of the system. The traditional feature extraction technology assumes that the speech signal is linear and short-time stationary, and is not adaptive. Therefore, the features are extracted by nonlinear processing by aggregated empirical mode decomposition (EEMD) algorithm. After the emotional speech signal is decomposed by EEMD, a set of natural modal functions (IMF), is obtained by using the correlation coefficient method to screen the set of effective components, and the IMF energy characteristic (IMFE). Is obtained by calculating the set function. The German Berlin language database is selected as the experimental data source, and the IMFE features, prosodic features, Mayer cepstrum coefficient features and the fusion features of the three are input into the support vector machine respectively. The effectiveness of the IMFE features is verified by comparing the recognition results of different features. The experimental results show that the average recognition rate of, IM FE features and acoustic features is 91.67%, which can effectively distinguish different emotional states.
【作者单位】： 太原理工大学信息工程学院;
【基金】：国家自然科学基金(61371193) 山西省回国留学人员科研基金(2013-034)
【分类号】：TN912.34

【参考文献】

相关期刊论文 前5条

1 曾现巍;许凌云;江晓波;;基于快速EEMD单通道混合信号分离算法的研究[J];电子设计工程;2015年14期

2 秦娜;金炜东;黄进;李智敏;;高速列车转向架故障信号的聚合经验模态分解和模糊熵特征分析[J];控制理论与应用;2014年09期

3 赵力;黄程韦;;实用语音情感识别中的若干关键技术[J];数据采集与处理;2014年02期

4 张汝波;刘冠群;吴俊伟;吕西宝;;移动机器人语音控制技术研究与实现[J];华中科技大学学报(自然科学版);2013年S1期

5 秦娜;金炜东;黄进;李智敏;刘景波;;基于EEMD的高速列车转向架故障诊断[J];计算机工程;2013年12期

相关硕士学位论文 前1条

1 张佳芳;基于EEMD的车内语音增强研究[D];浙江大学;2007年

【共引文献】

相关期刊论文 前10条

1 张乐;张雪英;孙颖;张卫;;基于聚合经验模态分解的情感语音特征提取[J];计算机工程;2017年08期

2 洪磊;王玉国;;转向架基础制动装置的故障诊断专家系统研究[J];计算机技术与发展;2017年08期

3 张雪英;张婷;孙颖;张卫;畅江;;情感语音数据库优化及PAD情感模型量化标注[J];太原理工大学学报;2017年03期

4 李在林;王松波;;一种同频混合信号伪随机序列盲估计方法的研究[J];现代电子技术;2017年09期

5 张子恒;孙颖;姚慧;;基于混沌特性的情感语音非线性特征研究[J];微电子学与计算机;2017年04期

6 李虹;徐小力;吴国新;丁春艳;赵学梅;;基于MFCC的语音情感特征提取研究[J];电子测量与仪器学报;2017年03期

7 宋明虎;余正涛;高盛祥;李斱;沈韬;;融合语音情感词局部特征的语音情感识别方法[J];计算机工程与科学;2017年01期

8 郭超;杨燕;江永全;宋yN;;基于多视图分类集成的高铁工况识别[J];山东大学学报(工学版);2017年01期

9 赵桂清;王付军;;汽车列车超载系统信号监控优化建模研究[J];计算机仿真;2016年11期

10 宋静;张雪英;孙颖;张卫;;基于PAD情绪模型的情感语音识别[J];微电子学与计算机;2016年09期

相关硕士学位论文 前8条

1 庄首;基于DSP的新型车辆轮毂跳动量检测系统的研究[D];浙江工业大学;2015年

2 姜琼妃;太阳黑子相对数对地磁活动的影响及气候效应[D];南京信息工程大学;2014年

3 张金会;基于支持向量机的智能数据挖掘算法研究[D];华北电力大学;2014年

4 林锦州;滚动轴承早期故障信号特征提取方法及应用研究[D];天津大学;2012年

5 刘芽;基于EEMD和支持向量机的刀具状态监测方法研究[D];西南交通大学;2012年

6 甄浩川;Hilbert-Huang变换及其语音增强研究[D];哈尔滨工程大学;2012年

7 董霄峰;海上风电结构模态参数识别及动态荷载反分析研究[D];天津大学;2011年

8 徐双;经验模态分解理论研究及其在舰船辐射噪声线谱分析中的应用[D];昆明理工大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 大庭拓也;蔡千华;;基于振动分析的新干线转向架的状态监视[J];国外铁道车辆;2013年03期

2 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期

3 张卫华;李艳;宋冬利;;高速列车运动稳定性设计方法研究[J];西南交通大学学报;2013年01期

4 张家良;曹建福;高峰;韩海涛;;结合非线性频谱与核主元分析的复杂系统故障诊断方法[J];控制理论与应用;2012年12期

5 颜秋;刘永明;;基于matlab/simulink的车辆建模与故障分析[J];华东交通大学学报;2012年05期

6 孙克辉;贺少波;尹林子;阿地力·多力坤;;模糊熵算法在混沌序列复杂度分析中的应用[J];物理学报;2012年13期

7 张超;陈建军;郭迅;;基于EEMD能量熵和支持向量机的齿轮故障诊断方法[J];中南大学学报(自然科学版);2012年03期

8 朱晓军;吕士钦;余雪丽;樊刘娟;;基于改进EMD的脑电信号去噪方法[J];计算机工程;2012年01期

9 贾璐;曾京;池茂儒;;车辆系统横向运动稳定性评判的数值仿真研究[J];铁道车辆;2011年09期

10 朴明伟;梁树林;孔维刚;兆文忠;;高速转向架非线性稳定性及安全裕度对策[J];振动与冲击;2011年08期

相关硕士学位论文 前2条

1 李雯霞;基于MATLAB的BP神经网络在黄土液化评价中的应用[D];兰州理工大学;2006年

2 曹飞;客车车内噪声试验与控制研究[D];重庆大学;2003年

【相似文献】

相关期刊论文 前10条

1 张小蓟;张歆;孙进才;;基于经验模态分解的目标特征提取与选择[J];西北工业大学学报;2006年04期

2 王秋生;段丹辉;;经验模态分解的边界效应处理技术[J];计算机测量与控制;2006年12期

3 冯志华;朱忠奎;刘刚;伍小燕;;经验模态分解方法的小波消失现象[J];数据采集与处理;2006年04期

4 宋立新;王祁;王玉静;梁X;;具有间断事件检测和分离的经验模态分解方法[J];哈尔滨工程大学学报;2007年02期

5 刘小峰;秦树人;柏林;;基于小波包的经验模态分解法的研究及应用[J];中国机械工程;2007年10期

6 胡维平;莫家玲;龚英姬;赵方伟;杜明辉;;经验模态分解中多种边界处理方法的比较研究[J];电子与信息学报;2007年06期

7 胡维平;杜明辉;;信号采样率对经验模态分解的影响研究[J];信号处理;2007年04期

8 杨智春;谭光辉;;一种基于样条插值的经验模态分解改进算法[J];西北工业大学学报;2007年05期

9 杨彩红;张郁山;;基于折线包络的经验模态分解方法[J];国际地震动态;2008年11期

10 张西良;万学功;李萍萍;张建;徐云峰;;动态称量经验模态分解数据处理方法[J];江苏大学学报(自然科学版);2008年06期

相关会议论文 前9条

1 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

3 侯文文;邹俊忠;刘未来;;基于经验模态分解的眼电伪差去除研究[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

4 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

5 薛志宏;李广云;周蓉;;一种基于经验模态分解的信号降噪方法[A];全国工程测量2012技术研讨交流会论文集[C];2012年

6 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

7 袁业立;;SAR海洋探测新进展[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

8 谭善文;严利;熊朝坤;;一种新型的谱分析方法—Hilbert谱[A];第十七届全国水动力学研讨会暨第六届全国水动力学学术会议文集[C];2003年

9 李强伟;;Hilbert-Huang变换中边界问题的分析[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

相关博士学位论文 前8条

1 黎恒;经验模态分解中关键问题的优化理论与方法研究[D];西安电子科技大学;2016年

2 张婷琳;从局部到全局脑电感知模式的研究[D];浙江大学;2017年

3 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

4 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

5 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

6 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

7 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

8 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

相关硕士学位论文 前10条

1 史玉君;基于经验模态分解的眼电伪迹去除方法的研究[D];兰州大学;2015年

2 梁江海;基于经验模态分解的通信信号细微特征分析[D];国防科学技术大学;2013年

3 杨勤甜;基于经验模态分解和粗糙集属性约简的超声缺陷信号分类识别研究[D];南昌航空大学;2016年

4 邹志国;基于经验模态分解的多分量信号分析方法研究[D];哈尔滨工业大学;2016年

5 王潇潇;基于经验模态分解的心电信号压缩研究[D];浙江大学;2017年

6 杨彩红;基于折线包络的经验模态分解方法及其应用[D];天津大学;2007年

7 付晓波;经验模态分解法理论研究与应用[D];太原理工大学;2013年

8 郭一粟;基于经验模态分解的动平衡测量系统信号处理方法研究[D];吉林大学;2015年

9 封学真;经验模态分解滤波在圆度评定中的研究[D];西安电子科技大学;2014年

10 徐双;经验模态分解理论研究及其在舰船辐射噪声线谱分析中的应用[D];昆明理工大学;2010年

，

本文编号：2501262