应基于CSPHMM2s的压力和情绪对话环境下的谈话条件识别
摘要：使用二阶循环超音段隐马尔可夫模型（CSPHMM2s）作为分类器，以提高应对压力和情绪对话环境中的对话情况识别能力。本研究使用了模拟和实际压力下的语音数据库（SUSAS）和情绪语调和文本数据库（EPST），通过使用梅尔倒谱系数（MFCCs），实验结果表明，CSPHMM2s在应对压力和情绪对话环境中的对话情况识别方面优于隐马尔可夫模型（HMMs），二阶循环隐马尔可夫模型（CHMM2s）和超声音段隐马尔可夫模型（SPHMMs）。结果还显示，基于CSPHMM2s的对话状况识别在应对压力对话环境中的性能优于情绪对话环境，差异为3.67\%。在主观评估中，基于CSPHMM2s的对话状况识别结果相较于应对压力和情绪对话环境的评估结果，其误差范围为2.14\%至3.08\%。
作者：Ismail Shahin, Mohammed Nasser Ba-Hutair
论文ID：1706.09729
分类：Sound
分类简称：cs.SD
提交时间：2017-07-03