李昊璇， 师宏慧， 乔晓艳

(山西大学 物理电子工程学院， 山西 太原 030006)

融合声门波信号频谱特征的语音情感识别

李昊璇， 师宏慧， 乔晓艳

(山西大学 物理电子工程学院， 山西 太原 030006)

为了提高语音情感识别的准确率， 本文针对新的声门波信号频谱特征抛物线频谱参数(parabolic spectralparameter,PSP)和谐波丰富因子(harmonic richness factor,HRF)进行了研究， 并将其应用到语音的情感识别中. 提取6种不同情感(生气、 害怕、 高兴、 中性、 悲伤和惊奇)语音信号的发音速率和短时能量、 基音频率、 前3个共振峰、 12阶Mel频率倒谱系数(MFCC)的最大值、 最小值、 变化范围和平均值等常用特征构成一个特征矢量， 并利用主成分分析方法降维； 提取声门波信号的频谱特征PSP和HRF， 并分析了PSP和HRF的情感表达能力； 采用深度学习栈式自编码算法对只有常用特征以及融合了声门波信号频谱特征后的特征进行分类. 结果表明： 融合声门波信号频谱特征后识别率更高.

声门波信号； 抛物线频谱参数； 谐波丰富因子； 栈式自编码； 语音情感识别

0 引 言

语言作为人们之间交流最快最自然的方式[1]， 被最早地应用于人机交互领域. 近50年来， 众多学者和公司在语音识别和合成领域取得了丰硕的研究成果， 但距离自然的人机交互依然很遥远， 因为机器还不能准确地理解人类的情感. 所以， 语音情感识别已经成为众多学者关注的一个研究方向[2]. 语音情感识别是依靠语音情感特征进行识别的， 通常语音情感特征包括韵律特征、 音质特征和谱特征. 一……