Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Robust Emotion Recognition using Spectral and Prosodic Features

Robust Emotion Recognition using Spectral and Prosodic Features

Aus der Reihe SpringerBriefs in Speech Technology

Fr. 62.90

inkl. gesetzl. MwSt.

Beschreibung

Produktdetails

Format

PDF

Kopierschutz

Nein

Family Sharing

Nein

Text-to-Speech

Nein

Erscheinungsdatum

13.01.2013

Verlag

Springer New York

Seitenzahl

118 (Printausgabe)

Dateigröße

3123 KB

Sprache

Englisch

EAN

9781461463603

Beschreibung

Produktdetails

Format

PDF

eBooks im PDF-Format haben eine festgelegte Seitengröße und eignen sich daher nur bedingt zum Lesen auf einem tolino eReader oder Smartphone. Für den vollen Lesegenuss empfehlen wir Ihnen bei PDF-eBooks die Verwendung eines Tablets oder Computers.

Kopierschutz

Nein

Dieses eBook können Sie uneingeschränkt auf allen Geräten der tolino Familie, allen sonstigen eReadern und am PC lesen. Das eBook ist nicht kopiergeschützt und kann ein personalisiertes Wasserzeichen enthalten. Weitere Hinweise zum Lesen von eBooks mit einem personalisierten Wasserzeichen finden Sie unter Hilfe/Downloads.

Family Sharing

Nein

Mit Family Sharing können Sie eBooks innerhalb Ihrer Familie (max. sechs Mitglieder im gleichen Haushalt) teilen. Sie entscheiden selbst, welches Buch Sie mit welchem Familienmitglied teilen möchten. Auch das parallele Lesen durch verschiedene Familienmitglieder ist durch Family Sharing möglich. Um eBooks zu teilen oder geteilt zu bekommen, muss jedes Familienmitglied ein Konto bei Thalia oder einem anderen tolino-Buchhändler haben. Weitere Informationen finden Sie unter Hilfe/Family-Sharing.

Text-to-Speech

Nein

Bedeutet Ihnen Stimme mehr als Text? Mit der Funktion Text-to-Speech können Sie sich im tolino webReader und in der aktuellen Thalia – Lesen & Hören App das eBook vorlesen lassen. Weitere Informationen finden Sie unter Hilfe/Text-to-Speech.

Barrierefreiheit
  • keine Information zur Barrierefreiheit bekannt

Erscheinungsdatum

13.01.2013

Verlag

Springer New York

Seitenzahl

118 (Printausgabe)

Dateigröße

3123 KB

Sprache

Englisch

EAN

9781461463603

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

Weitere Artikel finden Sie in
  • Produktbild: Robust Emotion Recognition using Spectral and Prosodic Features
  • 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
    1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . 1
    1.2 Emotion from psychological perspective . . . . . . . . . . . . . . . . . . . .. . 2
    1.3 Emotion from speech signal perspective . . . . . . . . . . . . . . .. . . . . . . 3
    1.3.1 Speech production mechanism . . . . . . . . . . . . . . . . . . . . . . . . .... 4
    1.3.2 Source features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
    1.3.3 System features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
    1.3.4 Prosodic features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
    1.4 Emotional speech databases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
    1.5 Applications of speech emotion recognition . . . . . . . . . . . . . . . . . . . 8
    1.6 Issues in speech emotion recognition . . . . . . . . . . . . . . . . . . . . . . . 8
    1.7 Objectives and scope of the work . . . . . . . . . . . . . . . . . . . . . . . . .. 9
    1.8 Main highlights of research investigations . . . . . . . . . . . . . . . . . . . 10
    1.9 Brief overview of contributions in this book . . . . . . . . . . . . . . .. . . 10
    1.9.1 Emotion recognition using spectral features extracted from
    sub-syllabic regions and pitch synchronous analysis . . . . . . . 10
    1.9.2 Emotion recognition using global and local prosodic features extracted from words and syllables . . . . . . . . . . . . . . 11
    1.9.3 Emotion recognition using combination of features . . . . . . . . 11
    1.9.4 Emotion recognition on real life emotional speech database . 11
    1.10 Organization of the book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
    2 Robust Emotion Recognition using Pitch Synchronous andSub-syllabic Spectral Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
    2.1 Introduction . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . 15
    2.2 Emotional speech corpora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
    2.2.1 Indian Institute of Technology Kharagpur-Simulated Emotional Speech Corpus: IITKGP-SESC . . . . . . . . . . . . . . . 18
    2.2.2 Berlin Emotional Speech Database: Emo-DB . . . . . . . . . . . . . 20
    2.3 Feature extraction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
    2.3.1 Linear prediction cepstral coefficients (LPCCs) . . . . . . . . . . . 21
    2.3.2 Mel frequency cepstral coefficients (MFCCs) . . . . . . . . . . . . . 22
    2.3.3 Formant features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
    2.3.4 Extraction of sub-syllabic spectral features . . . . . . . . . . . . . . . 25
    2.3.5 Pitch synchronous analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
    2.4 Classifiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
    2.4.1 Gaussian mixture models (GMM) . . . . . . . . . . . . . . . . . . . . . . 30
    2.4.2 Auto-associative neural networks . . . . . . . . . . . . . . . . . . . . . . . 31
    2.5 Results and discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
    2.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
    3 Robust Emotion Recognition using Word and Syllable Level Prosodic Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
    3.1 Introduction . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . 45
    3.2 Prosodic features: Importance in emotion recognition . . . . . . . . . . 46
    3.3 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
    3.4 Extraction of global and local prosodic features . . . . . . . . . . . . . . . 51
    3.4.1 Sentence level features . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . 51
    3.4.2 Word and syllable level features . . . . . . . . . . . . . . . . . . . . . . . . 52
    3.5 Results and discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
    3.5.1 Emotion recognition systems using sentence level prosodic features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
    3.5.2 Emotion recognition systems using word level prosodic features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . 60
    3.5.3 Emotion recognition systems using syllable level prosodic features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
    3.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . 68
    4 Robust Emotion Recognition using Combination of Excitation Source, Spectral and Prosodic Features . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
    4.1 Introduction . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . 71
    4.2 Feature combination: A study . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
    4.3 Emotion recognition using combination of excitation source and vocal tract system features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
    4.4 Emotion recognition using combination of vocal tract system and prosodic features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
    4.5 Emotion recognition using combination of excitation source and prosodic features . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . 78
    4.6 Emotion recognition using combination of excitation source, system and prosodic features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
    4.7 Summary . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . 83
    5 Robust Emotion Recognition using Speaking Rate Features . . . . . . . . . 87
    5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
    5.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
    5.3 Two stage emotion recognition system . . . . . . . . . . . . . . . . . . . . . 92
    5.4 Gross level emotion recognition . . . . . . . . . . . . . . . . . . . . . . . . . . 93
    5.5 Finer level emotion recognition . . . . . . . . . . . . . . . . . . . . .. . . . . . 94
    5.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
    6 Emotion Recognition on Real Life Emotions . . . . . . .. . . . . . . . . . . . . 97
    6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
    6.2 Real life emotion speech corpus . . . . . . . . . . . . . . . . . .. . . . . . . . . 98
    6.3 Recognition performance on real life emotions . . . . . . . . . . . . . . . . 99
    6.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
    7 Summary and Conclusions . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . 103
    7.1 Summary of the present work . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
    7.2 Contributions of the present work . . . . . . . . . . . . . . . . . . .. . . . . 105
    7.3 Conclusions from the present work . . . . . . . . . . . . . . . . . . . . . . . 106
    7.4 Scope for future work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
    A MFCC Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
    B Gaussian Mixture Model (GMM) . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
    B.1 Training the GMMs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
    B.1.1 Expectation Maximization (EM) Algorithm . . . . . . . . . . . . . . 116
    B.1.2 Maximum a posteriori (MAP) Adaptation . . . . . . . . . . . . . . . 117
    B.2 Testing . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . 119
    References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120