语音情感特征的提取和选择是语音情感识别的关键问题，针对线性预测（LP）模型在语音情感谱包络方面存在的不足。本论文提出了最小方差无失真响应（MVDR）谱方法来进行语音情感特征的提取；并通过人工蜂群（ABC）算法找到最优语音情感特征子集，消除特征冗余信息；利用径向基函数（RBF）神经网络对CASIA汉语情感语料库中的4种情感语音即生气、平静、高兴、害怕进行实验识别。实验结果表明，该方法比线性预测法有更高的识别率和更好的鲁棒性。
2021-01-29 11:12:22
653KB
1
语音中准确的情绪识别对于智能医疗、智能娱乐和其他智能服务等应用程序非常重要。由于汉语语言的复杂性，汉语语音的高精度动作识别具有挑战性。本文探讨了如何提高语音情感识别的准确性，包括语音信号特征提取和情感分类方法。从语音样本中提取五种特征：梅尔频率倒谱系数（mfcc）、音调、共振峰、短期过零率和短期能量
2020-01-03 11:40:40
31KB
1
资源名称 CASIA汉语情感语料库
共包括四个专业发音人，六种情绪，共9,600句不同发音，包括300句相同文本和100句不同文本，可供各种分析实验使用
本数据集包含部分数据
用途 为研究情感语音所设计的语料
2019-12-21 21:24:57
58.3MB
1
对中科大发布的中文语音情感数据库CASIA，提取了MFCC特征，过零率等特征，采用SVM分类，识别率很低，只适合初学者了解语音情感识别过程
2019-12-21 20:18:08
4KB
1
通过对语音数据进行特征提取，运用SVM识别算法，实现语音信号的6种情感的识别。语料库选自CASIA汉语情感语料库，特征集选取基因频率、时长、共振峰、MFCC等。
2019-12-21 18:53:48
215.47MB
1
过特定人语音情感数据库的建立；语音情感特征提取；语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7%。对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4%。其中分类器采用混合高斯分布模型。
2019-12-21 18:50:35
242KB
1