Resumen

La producción del habla emocional está determinada por el movimiento de la lengua, los labios y la mandíbula de los hablantes. Con el fin de combinar los datos articulatorios y acústicos de los hablantes, se ha estudiado la conversión articulatoria-acústica del habla emocional. En este artículo, se han optimizado los parámetros del modelo LSSVM utilizando el método PSO, y el modelo PSO-LSSVM optimizado se aplicó a la conversión articulatoria-acústica. El error cuadrático medio (RMSE) y la distorsión mel-cepstral media (MMCD) se han utilizado para evaluar los resultados de la conversión; el resultado evaluado muestra que el MMCD de MFCC es de 1.508 dB, y el RMSE del segundo formante (F2) es de 25.10 Hz. Los resultados de esta investigación pueden aplicarse posteriormente a la fusión de características del reconocimiento del habla emocional para mejorar la precisión del reconocimiento de emociones.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Producción; Discurso emocional; Conversión articulatoria a acústica; Modelo LSSVM; Método PSO; RMSE
• Keywords:Production; Emotional speech; Articulatory-to-acoustic conversion; LSSVM model; PSO method; RMSE