基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过采集与分析语音信号和心电信号,研究了相应的情感特征与融合算法.首先,通过噪声刺激和观看影视片段的方式分别诱发烦躁情感和喜悦情感,并采集了相应情感状态下的语音信号和心电信号.然后,提取韵律、音质特征和心率变异性特征分别作为语音信号和心电信号的情感特征.最后,利用加权融合和特征空间变换的方法分别对判决层和特征层进行融合,并比较了这2种融合算法在语音信号与心电信号融合情感识别中的性能.实验结果表明:在相同测试条件下,基于心电信号和基于语音信号的单模态情感分类器获得的平均识别率分别为71%和80%;通过特征层融合,多模态分类器的识别率则达到90%以上;特征层融合算法的平均识别率高于判决层融合算法.因此,依据语音信号、心电信号等不同来源的情感特征可以构建出可靠的情感识别系统.
推荐文章
融合语音信号和脑电信号的多模态情感识别
语音信号
脑电信号
特征融合
决策融合
基于脑电信号的情感识别研究
脑电信号
情感识别
微分熵
通道选择
遗传算法
情感识别中脑电信号Lempel-Ziv复杂度的研究
脑电信号
非线性动力学
Lempel-Ziv复杂度
情感识别
语音信号识别基于盲源信号分离的实现
盲信号分离
DSP
FastICA
ADSP_BF533平台
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于语音信号与心电信号的多模态情感识别
来源期刊 东南大学学报(自然科学版) 学科 工学
关键词 情感识别 多模态 判决层融合 特征层融合
年,卷(期) 2010,(5) 所属期刊栏目
研究方向 页码范围 895-900
页数 分类号 TP391.4
字数 4915字 语种 中文
DOI 10.3969/j.issn.1001-0505.2010.05.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵力 东南大学水声信号处理教育部重点实验室 308 3093 27.0 44.0
2 邹采荣 东南大学水声信号处理教育部重点实验室 153 2088 25.0 40.0
3 黄程韦 东南大学水声信号处理教育部重点实验室 15 287 9.0 15.0
4 金赟 东南大学水声信号处理教育部重点实验室 13 240 8.0 13.0
6 王青云 东南大学水声信号处理教育部重点实验室 19 331 10.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (40)
同被引文献  (42)
二级引证文献  (47)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(4)
  • 引证文献(4)
  • 二级引证文献(0)
2013(6)
  • 引证文献(5)
  • 二级引证文献(1)
2014(10)
  • 引证文献(4)
  • 二级引证文献(6)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(11)
  • 引证文献(5)
  • 二级引证文献(6)
2017(8)
  • 引证文献(6)
  • 二级引证文献(2)
2018(20)
  • 引证文献(8)
  • 二级引证文献(12)
2019(18)
  • 引证文献(6)
  • 二级引证文献(12)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
情感识别
多模态
判决层融合
特征层融合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东南大学学报(自然科学版)
双月刊
1001-0505
32-1178/N
大16开
南京四牌楼2号
28-15
1955
chi
出版文献量(篇)
5216
总下载数(次)
12
总被引数(次)
71314
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导