基于倒譜距離特征和卷積神經(jīng)網(wǎng)絡(luò)的語音情感識別研究.pdf

1、迭代式發(fā)展并延續(xù)人類的智慧是人工智能的基本出發(fā)點，也是它對人類最有意義的一點。在人工智能的“智能”方向上，大量的研究成果使得機(jī)器在智能的某些方面甚至超過了人類。但在情感方面，機(jī)器甚至不如兩歲的孩子。因此，情感是機(jī)器人革命的標(biāo)志，是機(jī)器人進(jìn)入社會的關(guān)鍵。在人機(jī)交互中，語音無疑是最自然的交互方式。能在語音中獲取情感信息，并用此信息支持機(jī)器人的一系列決策是情感計算的關(guān)鍵。針對語音中情感的識別，語音特征和模型都是從語音識別或模式識別領(lǐng)域直接套用

2、，其用于處理語音中多情感識別的效果十分有限，且達(dá)不到在實際的機(jī)器人上應(yīng)用的水平。本文提出了在語音特征和語音模型、優(yōu)化方法等方面提升語音中情感的識別能力，并將成果應(yīng)用于機(jī)器人平臺，為機(jī)器人不僅賦予其智能，也賦予其情感、心智。
　　本文的工作主要有:(1)針對從語音識別領(lǐng)域轉(zhuǎn)來的傳統(tǒng)語音特征只能表征語音信號本身的問題，提出一種新的表征情感屬性的語音特征并與經(jīng)典特征、機(jī)器學(xué)習(xí)出的分類策略進(jìn)行綜合集成應(yīng)用于語音情感識別;(2)對于經(jīng)典的S

3、VM（支持向量機(jī)）對多分類問題建模能力薄弱的事實，本文研究了多分類問題（不僅僅限于語音信號）的建模。針對多分類問題中分類不均衡的問題，提出了一種兩階段的分類策略，很好地解決了該問題。最終實驗結(jié)果在國內(nèi)外研究中處于領(lǐng)先水平。(3)總結(jié)并反思上述研究依賴研究人員先驗經(jīng)驗的特性，本研究試圖尋找一種在語音信號中自適應(yīng)、自學(xué)習(xí)情感特征的模型。因此，本研究將多次試驗后得到的最優(yōu)特征與深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型CNN整合獲得目前研究中最優(yōu)的識別率9