文章提出了一种基于注意力机制的长短时记忆网络(attention long short-term memory,Attention-LSTM)的儿童语音情感识别技术,其核心思路是在发声特征与声学特征结合的基础上,采用基于注意力机制的长短时记忆网络实现对语音的情感识别,...文章提出了一种基于注意力机制的长短时记忆网络(attention long short-term memory,Attention-LSTM)的儿童语音情感识别技术,其核心思路是在发声特征与声学特征结合的基础上,采用基于注意力机制的长短时记忆网络实现对语音的情感识别,与本领域现有方法相比具有良好创新性。在实验验证方面,所提出方法与仅使用声学特征和LSTM分类器相比,加权平均之后的情感识别准确率提高了9.77个百分点,上述结果能够为其他儿童语音的情感识别的研究者提供参考借鉴。展开更多
个性化三维(three-dimensional,3D)头部模型在头相关传输函数(head-related transfer function,HRTF)和虚拟听觉重放中有着重要应用。光学扫描是获取3D头部模型的常用方法,但不同光学扫描方式的误差及其对HRTF的影响尚不明确。文章以自...个性化三维(three-dimensional,3D)头部模型在头相关传输函数(head-related transfer function,HRTF)和虚拟听觉重放中有着重要应用。光学扫描是获取3D头部模型的常用方法,但不同光学扫描方式的误差及其对HRTF的影响尚不明确。文章以自主设计的3D头部模型为参照模型MO(基准),并将3D打印制作的模型作为扫描对象。选取三款代表性光学扫描设备(手持式红色激光扫描仪HandySCAN 300、手持式白光发光二极管扫描仪Reeyee Pro 2X、红外激光iPhone12手机)扫描得到对应的模型M_(H),M_(R)和M_(I)。为评价新采集模型曲面精度,对比了模型间图形偏差的色阶图和偏差距离均方根(root mean square,RMS),进一步分析模型精度对HRTF数据的影响,对比了模型间的HRTF谱误差。结果表明,图形偏差主要集中在耳廓局部细节,HRTF谱误差主要出现在高频。相较而言,模型M_(H)与M_(O)最为接近,曲面误差基本在±0.40 mm以内,超过3.0 dB的HRTF谱误差仅出现在8 kHz以上的频段,且这种误差只在少数空间方向中观察到。模型M_(R)和M_(I)相比于M_(O)的曲面误差分别达到约−0.90~1.90 mm和−1.20~3.20 mm,8 kHz以上HRTF谱误差在大多数方向均超过3.0 dB。相关研究为3D头部扫描方式选用提供了参考依据。展开更多
文摘文章提出了一种基于注意力机制的长短时记忆网络(attention long short-term memory,Attention-LSTM)的儿童语音情感识别技术,其核心思路是在发声特征与声学特征结合的基础上,采用基于注意力机制的长短时记忆网络实现对语音的情感识别,与本领域现有方法相比具有良好创新性。在实验验证方面,所提出方法与仅使用声学特征和LSTM分类器相比,加权平均之后的情感识别准确率提高了9.77个百分点,上述结果能够为其他儿童语音的情感识别的研究者提供参考借鉴。
文摘个性化三维(three-dimensional,3D)头部模型在头相关传输函数(head-related transfer function,HRTF)和虚拟听觉重放中有着重要应用。光学扫描是获取3D头部模型的常用方法,但不同光学扫描方式的误差及其对HRTF的影响尚不明确。文章以自主设计的3D头部模型为参照模型MO(基准),并将3D打印制作的模型作为扫描对象。选取三款代表性光学扫描设备(手持式红色激光扫描仪HandySCAN 300、手持式白光发光二极管扫描仪Reeyee Pro 2X、红外激光iPhone12手机)扫描得到对应的模型M_(H),M_(R)和M_(I)。为评价新采集模型曲面精度,对比了模型间图形偏差的色阶图和偏差距离均方根(root mean square,RMS),进一步分析模型精度对HRTF数据的影响,对比了模型间的HRTF谱误差。结果表明,图形偏差主要集中在耳廓局部细节,HRTF谱误差主要出现在高频。相较而言,模型M_(H)与M_(O)最为接近,曲面误差基本在±0.40 mm以内,超过3.0 dB的HRTF谱误差仅出现在8 kHz以上的频段,且这种误差只在少数空间方向中观察到。模型M_(R)和M_(I)相比于M_(O)的曲面误差分别达到约−0.90~1.90 mm和−1.20~3.20 mm,8 kHz以上HRTF谱误差在大多数方向均超过3.0 dB。相关研究为3D头部扫描方式选用提供了参考依据。
