Automatic speech emotion recognition based on modulation spectral features

本文采用调制频谱特征来自动识别人的语音中的情感信息。受人耳听觉系统启发,语音信号通过听觉滤波器组以及调制滤波器组得到长时频域-时域表示,从而获得 声学频率和时域调制频率的信息,进而提取出调制频谱特征。通过将该特征在演员表演的德语Berlin语音库和采集自真实生活的中文情感语音库上进行语音情 感分类实验,发现该特征与传统的短时频谱特征,如梅尔频率倒谱系数和感知线性预测系数相比,具有良好的性能和应用前景。