利用动态频谱特征和卡尔曼平滑增强语音情感识别
声音
2026-01-28 v1 机器学习
音频与语音处理
摘要
语音情感识别系统通常使用静态特征，如梅尔频率倒谱系数(MFCC)、过零率(ZCR)和均方根能量(RMSE)。因此，当语音信号中存在声学噪声时，它们可能会错误分类情感。为了解决这个问题，我们使用动态频谱特征（Delta和Delta-Delta）以及卡尔曼平滑算法添加了动态特征。这种方法减少了噪声并改善了情感分类。由于情感随时间变化，卡尔曼平滑滤波器也有助于使分类器输出更稳定。在RAVDESS数据集上的测试表明，该方法达到了87%的最先进准确率，并减少了具有相似声学特征的情感之间的错误分类。
引用
@article{arxiv.2601.18908,
title = {Enhancing Speech Emotion Recognition using Dynamic Spectral Features and Kalman Smoothing},
author = {Marouane El Hizabri and Abdelfattah Bezzaz and Ismail Hayoukane and Youssef Taki},
journal= {arXiv preprint arXiv:2601.18908},
year = {2026}
}