Caractéristiques d'excitation de la parole pour la reconnaissance des émotions en utilisant la parole neutre comme référence

Résumé Dans la génération de la parole émotionnelle, il existe des écarts dans les caractéristiques de production de la parole par rapport à la parole neutre (non émotionnelle). L'objectif de cette étude est de capturer les écarts dans les caractéristiques liées au composant d'excitation de la parole et de développer un système de reconnaissance automatique des émotions basé sur ces écarts. Les émotions considérées dans cette étude sont la colère, le bonheur, la tristesse et l'état neutre. L'étude montre qu'il existe des caractéristiques utiles dans les écarts des caractéristiques d'excitation, qui peuvent être exploitées pour développer un système de reconnaissance des émotions. Les caractéristiques d'excitation utilisées dans cette étude sont la fréquence fondamentale instantanée (F₀ F0), la force d'excitation, l'énergie d'excitation et le ratio de l'énergie de la bande haute fréquence à l'énergie de la bande basse fréquence (β). Une approche hiérarchique d'arbre de décision binaire est utilisée pour développer un système de reconnaissance des émotions avec la parole neutre comme référence. Les expériences de reconnaissance ont montré que les caractéristiques d'excitation sont comparables ou meilleures que les caractéristiques de prosodie et les caractéristiques spectrales existantes, telles que les coefficients cepstraux en fréquence mélodique, les coefficients de prédiction linéaire perceptuelle et les caractéristiques spectrales de modulation.