음성에서 감정 분류를 위한 포먼트 기반 특징 추출

이전 연구에서, 음성의 포먼트 및 스펙트럼 속성을 모델링하기 위해 강력한 포먼트 추적 알고리즘이 소개되었습니다. 이 알고리즘은 스펙트럼 매개변수를 추정하기 위해 가우시안 혼합을 이용하며, 최대 사후 적합도 적응(MAP) 알고리즘을 사용하여 추정을 정제합니다. 본 논문에서는 감정 분류를 위해 포먼트 기반 특징을 추출하기 위해 이 포먼트 추적 알고리즘을 사용했습니다. 분류 결과는 평가를 위해 선형 예측 코딩(LPC) 기반 알고리즘과 비교되었습니다. 평균적으로, 이 알고리즘을 사용하여 추출한 포먼트 특징은 LPC 기반 알고리즘에 비해 비가중 정확도를 2.1 퍼센트포인트 개선했습니다. 포먼트 특징과 기타 음향 특징의 조합은 통계적으로 유의미하게 비가중 정확도를 2.7 퍼센트포인트 개선했으며, 반면에 LPC 기반 특징은 barely 1퍼센트포인트 향상에 그쳤습니다. 이 결과는 개선된 포먼트 추적 방법이 감정 분류 정확도를 향상시켰음을 명확히 보여줍니다. 포먼트 기반 특징의 감정 분류에서의 효과에 대해서도 논의됩니다.