VMD改进GFCC的情感语音特征提取

发布时间：2021-02-22 04:00

　　传统特征提取忽略了语音信号的非稳态特性,变分模态分解技术可以精细刻画语音的非平稳性,因此利用该技术将情感语音信号分解为K个固有模态函数,对每个分量做快速傅里叶变换后进行频率合成,通过Gammatone滤波器取能量对数,经离散余弦变换得到新特征变,即分模态分解改进Gammatone频率倒谱系数。通过支持向量机进行语音情感识别,实验结果表明,TYUT2.0中的识别率为72.15%,柏林情感语音库中的识别率为91.10%,识别效果优于传统情感语音特征,验证了该特征的有效性。 

【文章来源】：计算机工程与设计. 2020,41(08)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 VGFCC特征提取及识别系统
    1.1 变分模态分解算法
    1.2 提取VGFCC
2 实验与结果分析
    2.1 情感语音数据库
    2.2 特征
    2.3 识别网络
    2.4 情感识别
        2.4.1 对比不同信号分解方法改进的GFCC
        2.4.2 对比VGFCC与传统语音特征
3 结束语


【参考文献】：
期刊论文
[1]基于MFCC与GFCC混合特征参数的说话人识别[J]. 周萍,沈昊,郑凯鹏.  应用科学学报. 2019(01)
[2]基于VMD算法的光栅莫尔条纹去噪方法[J]. 鲍克勤,卢丹,吴文峰,陈丹.  光通信技术. 2019(01)
[3]利用VMD的双标度分形维数特征提取方法[J]. 杨望灿,张培林,张云强,王怀光.  哈尔滨工业大学学报. 2019(01)
[4]基于VMD能量熵与支持向量机的齿轮故障诊断[J]. 张超,朱腾飞,王大勇.  机械设计与研究. 2018(02)
[5]基于Gammatone频率离散小波系数的水下目标鲁棒识别[J]. 吴姚振,杨益新,田丰,杨龙,陶灿.  西北工业大学学报. 2014(06)
[6]基于伽马啁啾滤波器组的听觉特征提取算法[J]. 罗元,陈君,张毅.  信息与控制. 2013(05)
[7]基于Gammatone滤波器组的说话人识别算法研究[J]. 茅正冲,王正创,王丹.  计算机工程与应用. 2015(01)
[8]基于EMD的改进MFCC的语音情感识别[J]. 屠彬彬,于凤芹.  计算机工程与应用. 2012(18)

硕士论文
[1]基于变分模态分解的故障诊断方法研究[D]. 王振威.燕山大学 2015



本文编号：3045416