基于神经网络的语音情感识别

doi:10.3778/j.issn.1002-8331.2008.24.058

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (24): 191-193.DOI: 10.3778/j.issn.1002-8331.2008.24.058

• 图形、图像、模式识别 • 上一篇下一篇

基于神经网络的语音情感识别

石瑛^1,2,胡学钢¹

1.合肥工业大学计算机与信息学院，合肥 230009
2.安徽省黄山学院计算机科学技术系，安徽黄山 245021

收稿日期:2007-10-22 修回日期:2008-01-16 出版日期:2008-08-21 发布日期:2008-08-21
通讯作者: 石瑛

Research of speech emotion recognition based on acoustic features and ann

SHI Ying^1,2,HU Xue-gang¹

1.School of Computer & Information，Hefei University of technology，Hefei 230009，China
2.School of Computer Information & Engineering，Huangshan University，Huangshan，Anhui 245021，China

Received:2007-10-22 Revised:2008-01-16 Online:2008-08-21 Published:2008-08-21
Contact: SHI Ying

摘要/Abstract

摘要： 研究目的就是通过深入分析各种语音情感特征，找出其中对情感识别有较大贡献的特征，并寻找适合的模型将有效特征加以利用。分析和研究了多位科学家在进行语音情感分析过程中采用的方法和技术，通过总结和创新建立了语音情感语料库，并成功地提取了相关的语音信号的特征。研究了基音频率、振幅能量和共振峰等目前常用的情感特征在语音情感识别中的作用，重点研究了MFCC和?驻MFCC，实验发现特征筛选后系统的识别效果有着一定程度的提高。将处理后的频谱特征参数同原有的BP人工神经网络模型有效地结合起来，形成完整的语音情感识别系统，取得了较为满意的识别结果。

关键词: 语音情感识别, 情感特征, 人工神经网络, MFCC

Abstract: The main goal of this thesis is to search the most useful features with analyzing the features related with emotions，and find a recognition model to make use of these features.It studies the method and technology in the research of the speech emotion recognition，and creates the database of the speech emotion recognition and picks-up the features of the speech signal.Then it studies the effect in emotion-speech recognition from those common features such as pitch，amplitude energy，formant and so on.After choosing the useful features such as Mel-Frequency Cepstral Coefficients（MFCC） and its transient parameters，it obtains a better performance with the application of neural network.

Key words: speech emotion recognition, emotion features, artificial neural networks, Mel-Frequency Cepstral Coefficients（MFCC）

石瑛^1,2,胡学钢¹. 基于神经网络的语音情感识别[J]. 计算机工程与应用, 2008, 44(24): 191-193.

SHI Ying^1,2,HU Xue-gang¹. Research of speech emotion recognition based on acoustic features and ann[J]. Computer Engineering and Applications, 2008, 44(24): 191-193.

[1]	姚远，张朝阳. 基于HP-LSTM模型的股指价格预测方法[J]. 计算机工程与应用, 2021, 57(24): 296-304.
[2]	陈淑娟，徐雅斌. 面向主题社团的意见领袖挖掘方法[J]. 计算机工程与应用, 2021, 57(2): 156-163.
[3]	薛文龙，于炯，郭志琦，李梓杨. 基于特征融合卷积神经网络的端到端加密流量分类[J]. 计算机工程与应用, 2021, 57(18): 114-121.
[4]	张驰，郭媛，黎明. 人工神经网络模型发展及应用综述[J]. 计算机工程与应用, 2021, 57(11): 57-69.
[5]	周奕隽，李冬冬，王喆，高大启. 融合倒谱特征的脑电（EEG）情感分类[J]. 计算机工程与应用, 2020, 56(21): 164-169.
[6]	李杰其，胡良兵. 基于机器学习的设备预测性维护方法综述[J]. 计算机工程与应用, 2020, 56(21): 11-19.
[7]	孙晓虎，李洪均. 语音情感识别综述[J]. 计算机工程与应用, 2020, 56(11): 1-9.
[8]	王华朋，姜囡，刘恩，晁亚东. 法庭语音比对中话者自身变化性建模方法研究[J]. 计算机工程与应用, 2019, 55(8): 110-115.
[9]	张文婧，陈治亚，冯芬玲，李万. 基于稀疏理论的DAE在公路事故伤亡预测应用[J]. 计算机工程与应用, 2019, 55(7): 241-247.
[10]	缪裕青1，邹巍1，刘同来1，周明2，蔡国永1. 基于参数迁移和卷积循环神经网络的语音情感识别[J]. 计算机工程与应用, 2019, 55(10): 135-140.
[11]	王海燕1，2，袁雪琴1，宋超1，张正勇1，2，刘军1，2，沙敏1，2. 相似度分析结合人工神经网络鉴别苹果香精[J]. 计算机工程与应用, 2018, 54(4): 141-147.
[12]	陈闯1，RYAD Chellali1，邢尹2. 改进GWO优化SVM的语音情感识别研究[J]. 计算机工程与应用, 2018, 54(16): 113-118.
[13]	宋倩，郭宇，王发麟. 基于人工神经网络的线缆敷设质量综合评判[J]. 计算机工程与应用, 2018, 54(14): 256-263.
[14]	颜丹，蒋加伏. 基于栈式去噪自动编码器的边际Fisher分析算法[J]. 计算机工程与应用, 2017, 53(5): 134-139.
[15]	张卫，张雪英，孙颖. 融合模糊认知图用于语音情感识别[J]. 计算机工程与应用, 2017, 53(15): 14-17.

基于神经网络的语音情感识别

Research of speech emotion recognition based on acoustic features and ann

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics