УДК 004.934:681.518
ИНДЕКС ГАРМОНИЧЕСКОЙ НЕСТАБИЛЬНОСТИ РЕЧИ ДЛЯ ОЦЕНКИ ЭМОЦИОНАЛЬНОГО ВОЗБУЖДЕНИЯ
О. В. Мельник, д.т.н., профессор кафедры ИИБМТ, Рязань, Россия;
orcid.org/0000-0002-3513-2180, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
М. Н. Сараев, аспирант РГРТУ, Рязань, Россия;
orcid.org/0009-0006-5118-3478, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Предложен индекс гармонической нестабильности (ИГН) – акустический дескриптор, характеризующий микронестабильность гармонической структуры речи. ИГН вычисляется как медиана относительных отклонений частот спектральных пиков от гармонической решетки основного то-на. Цель работы состоит в экспериментальной верификации чувствительности ИГН к уровню эмоционального возбуждения на широком наборе речевых данных. Исследование выполнено на шести общедоступных эмоциональных наборах данных (AESDD, ANIEMORE, TESS, RAVDESS, CREMA-D, ESD) общим объемом 49 755 записей на греческом, английском, русском и китайском языках. Для каждого эмоционального состояния вычислены медианные значения ИГН, а статистическая значимость различий оценена с использованием U-критерия Манна – Уитни и Cliff’s delta. Показано, что ИГН устойчиво ранжирует эмоции по уровню психофизиологического возбуждения: наибольшие значения получены для страха и удивления, наименьшие – для нейтрального состояния и грусти. Различия между группами высокого и низкого возбуждения статистически значимы во всех речевых наборах данных (p < 0,001), а размер эффекта варьируется от малого до большого. Полученные результаты свидетельствуют о возможности использования ИГН как дополнительного акустического признака для анализа эмоционального возбуждения и мониторинга стрессового состояния по речи.
Ключевые слова: индекс гармонической нестабильности, гармоническая структура речи, акустический дескриптор, оценка эмоционального возбуждения, распознавание эмоций по голосу, частота основного тона, спектральные пики, медиана отклонений гармоник, эмоциональные речевые наборы данных, стресс.