語音情感特征提取與識(shí)別的研究.pdf

1、語音情感信息在人們?nèi)粘Ｉ詈凸ぷ鹘涣髦衅鹬匾饔谩ＵZ音情感的分析和識(shí)別作為人機(jī)接口智能化的重要指標(biāo)，是實(shí)現(xiàn)人工智能的關(guān)鍵問題之一，已經(jīng)得到越來越多的學(xué)者關(guān)注，而且在諸多領(lǐng)域如遠(yuǎn)程教育、刑偵破案、醫(yī)學(xué)領(lǐng)域、娛樂和服務(wù)業(yè)等得到應(yīng)用。但是，目前語音情感識(shí)別的研究還存在較多的局限性，受到情感理論發(fā)展水平、語言自身的復(fù)雜性及相關(guān)學(xué)科的制約。因此，對(duì)語音情感識(shí)別的研究具有重要意義和應(yīng)用價(jià)值。
　　 論文在與文本內(nèi)容無關(guān)的語音情感庫基礎(chǔ)上，

2、對(duì)情感特征的提取方法和識(shí)別兩方面進(jìn)行了研究。主要工作內(nèi)容如下:
　　 (1)介紹了幾類影響較大的語音情感庫，研究了語音情感庫的建立方法，建立了高興、憤怒、生氣和平靜四種情感類型的語音庫，包含800條情感語句。
　　 (2)研究了采用希爾伯特黃變換分析信號(hào)的方法。采用經(jīng)驗(yàn)?zāi)B(tài)方法分解語音情感信號(hào)，得到本征模態(tài)函數(shù)，對(duì)本征模態(tài)函數(shù)進(jìn)行希爾伯特變換后得到希爾伯特譜，說明了希爾伯特黃變換能夠更好地反映信號(hào)的時(shí)頻分布;對(duì)語音情感信

3、號(hào)分別做經(jīng)驗(yàn)?zāi)B(tài)分解EMD和改進(jìn)算法EEMD分解，并通過對(duì)比分析，驗(yàn)證了改進(jìn)算法的抗混疊能力。
　　 (3)闡述了基音周期、共振峰頻率、線性預(yù)測(cè)倒譜系數(shù)和Mel頻率倒譜系數(shù)等情感特征的特性和提取方法。把集合經(jīng)驗(yàn)?zāi)B(tài)分解EEMD和希爾伯特Hilbert邊際譜引入到非線性非平穩(wěn)的語音信號(hào)處理中。利用人耳的掩蔽效應(yīng)和Hilbert邊際譜，本文提出了基于頻帶能量的情感邊際譜?；贓EMD的情感邊際譜在臨界頻段上分布更為集中和突出，可以有