论文阅读Hierarchical sparse coding framework for speech emotion recognition

Introduction

  此文发表于Speech Communication，影响因子1.768，发表时间2018年
  Speech emotion recognition 的 feature representation部分，通常有两种方法。

• hand-crafted feature encoding，如AVEC。（不知道这是个什么）
• 自动学习feature

  本文采用 sparse coding framework ，创建 hierarchical sparse coding (HSC) scheme。即本文贡献。

  Automatic speech recognition (ASR) system 自动语音识别系统，错误率较高

   常用于SER（speech emotion recognition语音情感识别）的特征有：

• pitch
• energy
• rhythm
• spectral coefficients
• statistical variations，如mean, median, skewness（偏度）等

（以上均不知道怎么翻译）

   现在希望加入人类听觉系统（human auditory system）相关特征，如下：

• loudness
• accents
• harmonicity
• timbre texture（音色）
• voice quality

  简单介绍一下Sparse Coding。简单理解，即用一组向量