基于小波散射变换和MFCC的双特征语音情感识别融合算法

Abstract

为了充分挖掘语音信号频谱包含的情感信息以提高语音情感识别的准确性，提出了一种基于小波散射变换和梅尔频率倒谱系数（Mel-frequency cepstral coefficient，MFCC）的排列熵加权和偏差调整规则的语音情感识别融合算法（PEW-BAR）。算法首先获取语音信号的小波散射特征和梅尔频率倒谱系数的相关特征；然后按尺度维度扩展小波散射特征，利用支持向量机得到情感识别的后验概率并获得排列熵，并使用排列熵对后验概率进行加权；最后采用一种偏差调整规则进一步融合MFCC的相关特征的识别结果。实验结果表明，在EMODB、RAVDESS和eNTERFACE05数据集上，与传统的基于小波散射系数的语音情感识别方法相比，该算法将ACC分别提高了2.82%、2.85%和5.92%，将UAR分别提升了3.40%、2.87%和5.80%，IEMOCAP上提高了6.89%。

Keywords

• 语音情感识别
• 小波散射变换
• 排列熵
• mfcc
• 模型融合