《表2 语音传统384维特征》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于参数迁移和卷积循环神经网络的语音情感识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据INTERSPEECH 2009情感挑战赛[15]的定义，针对语音传统特征的提取，选取了语音的MFCC特征（12维）、基音频率、短时能量、短时过零率、共振峰。对这些特征进行全局统计，采用的统计指标有最大值、最小值、最大值所在帧、最小值所在帧、范围、均值、标准差、偏斜度、峰度、线性近似斜率、线性近似偏移、线性近似二次偏差共12个统计量。提取12维的MFCC特征，对每一维MFCC特征计算上述12个统计量，得到144维的统计特征向量。再对144维特征计算其每一个的一阶delta回归系数，与计算前的144维特征共组成288维统计特征。对于基音频率、短时能量、短时过零率和共振峰，也是计算12个统计量及统计量的一阶delta回归系数。综上，对5种语音特征计算统计量后共形成（12×12×2+4×12×2）=384维特征，如表2所示。