57、儿童语音关键词识别与情绪状态研究

儿童语音关键词识别与情绪状态研究

在语音识别领域，儿童语音识别面临着诸多挑战，如基音敏感性、共振峰分散效应等。同时，对于患有自闭症谱系障碍（ASD）和智力障碍（ID）的儿童，其情绪状态的识别也具有重要的研究价值。本文将围绕儿童语音关键词识别特征以及 ASD 和 ID 儿童情绪状态识别展开详细探讨。

儿童语音关键词识别特征研究

• TASS - MFCC - ARP 特征性能
  • 基音匹配与不匹配测试条件下的性能 ：TASS - MFCC - ARP 特征融合了 DA - SPF 和共振峰增强方法的优点。为了更好地比较性能，给出了 SPS - MFCC、TAS - MFCC、TAS - MFCC - ARP 和 TASS - MFCC - ARP 的 TWV 值，以及 TASS - MFCC - ARP 相对于 TAS - MFCC - ARP 的百分比相对改进（PRI）。对于儿童测试数据，在 10 个和 20 个关键词集下，TASS - MFCC - ARP 相对于 TAS - MFCC - ARP 的 PRI 分别为 6.47% 和 3.5%；而成年人测试数据的性能非常相似。性能的提升主要得益于从共振峰增强频谱中去除了基音变化。具体数据如下表所示：
    | 关键词数量 | 测试数据 | SPS - MFCC | TAS - MFCC | TAS - MFCC - ARP | TASS - MFCC - ARP | PRI |
    | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
    | 10 | AD 测试 | 0.