基于CSPHMM2s的应激与情感说话环境下的说话条件识别
声音
2017-07-03 v1
摘要
本研究旨在利用二阶循环超音段隐马尔可夫模型（CSPHMM2s）作为分类器，以提升在应激和情感说话环境（完全两个不同的环境）中的说话条件识别。本工作使用的应激说话环境采用Speech Under Simulated and Actual Stress (SUSAS)数据库，而情感说话环境使用Emotional Prosody Speech and Transcripts (EPST)数据库。使用梅尔频率倒谱系数（MFCCs）所取得的成果表明，在提升应激和情感说话环境中的说话条件识别方面，CSPHMM2s优于隐马尔可夫模型（HMMs）、二阶循环隐马尔可夫模型（CHMM2s）和超音段隐马尔可夫模型（SPHMMs）中的每一种。结果还显示，基于CSPHMM2s的应激说话环境下的说话条件识别性能领先情感说话环境3.67%。我们通过人类评委主观评价获得的结果，分别落在基于CSPHMM2s在应激和情感说话环境下所得结果的2.14%和3.08%范围内。
引用
@article{arxiv.1706.09729,
title = {Talking Condition Recognition in Stressful and Emotional Talking Environments Based on CSPHMM2s},
author = {Ismail Shahin and Mohammed Nasser Ba-Hutair},
journal= {arXiv preprint arXiv:1706.09729},
year = {2017}
}