Formantenbasierte Merkmals-Extraktion zur Emotionserkennung aus Sprache

In einer früheren Studie wurde ein robustes Formantenverfolgungs-Algorithmus zur Modellierung von Formanten- und spektralen Eigenschaften der Sprache eingeführt. Der Algorithmus nutzt Gaußsche Mischmodelle zur Schätzung spektraler Parameter und verfeinert die Schätzungen mithilfe eines Maximum-a-Posteriori-Anpassungs-Algorithmus (MAP). In diesem Papier wurde der Formantenverfolgungs-Algorithmus verwendet, um die formantenbasierten Merkmale zur Emotionserkennung zu extrahieren. Die Klassifizierungsergebnisse wurden mit einem auf linearer prädiktiver Kodierung (LPC) basierenden Algorithmus verglichen. Im Durchschnitt verbesserten die mit dem Algorithmus extrahierten Formantenmerkmale die ungewichtete Genauigkeit um 2,1 Prozentpunkte im Vergleich zu einem LPC-basierten Algorithmus. Die Kombination von Formantenmerkmalen und anderen akustischen Merkmalen verbesserte die ungewichtete Genauigkeit statistisch signifikant um 2,7 Prozentpunkte, während die LPC-basierten Merkmale sie kaum um 1 Prozentpunkt verbesserten. Die Ergebnisse zeigen deutlich, dass eine verbesserte Formantenverfolgungsmethode die Genauigkeit der Emotionserkennung verbesserte. Der Effekt der formantenbasierten Merkmale in der Emotionserkennung wird ebenfalls diskutiert.