基于特征提取多模式結(jié)合的語(yǔ)音情感識(shí)別的研究.pdf

1、隨著社會(huì)科技的發(fā)展，計(jì)算機(jī)的應(yīng)用在生活中越來(lái)越普遍，智能化的人機(jī)交互越來(lái)越成為研究熱點(diǎn)，人類(lèi)越來(lái)越渴望與計(jì)算機(jī)進(jìn)行更加人性化的和諧的交互。語(yǔ)音是人類(lèi)最自然的交流方式，其中不僅包含了語(yǔ)義信息，更包含了大量的情感信息，能準(zhǔn)確地識(shí)別情感的人機(jī)交互即為智能化的人機(jī)交互之一。因此對(duì)語(yǔ)音情感信息的識(shí)別成為更智能化的人機(jī)交互的研究關(guān)鍵。在目前的語(yǔ)音情感識(shí)別研究中，情感特征提取和情感識(shí)別的方法多種多樣，研究使用的情感語(yǔ)音數(shù)據(jù)庫(kù)也沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，這些不同

2、導(dǎo)致最后的識(shí)別結(jié)果也各不相同。
　　本文首先分析了對(duì)語(yǔ)音中情感信息的識(shí)別的意義，了解了大量的相關(guān)知識(shí)。其次為實(shí)驗(yàn)錄制了漢語(yǔ)情感語(yǔ)音庫(kù)。選取本身不帶有情感信息的20句語(yǔ)句文本，分別用高興、憤怒、驚奇、悲傷、害怕、和平靜6種不同的情感去朗讀，錄制并選取其中情感表達(dá)較好的情感語(yǔ)音構(gòu)成情感語(yǔ)音數(shù)據(jù)庫(kù)。然后觀察并分析不同情感狀態(tài)下，提取語(yǔ)音信號(hào)的基頻、短時(shí)能量、短時(shí)過(guò)零率、共振峰、多重分形等26維的特征參數(shù)，分析比較他們的變化規(guī)律;針對(duì)傳統(tǒng)

3、的短時(shí)平均幅度差函數(shù)(AM-DF)法由于出現(xiàn)均值下降趨勢(shì)，谷點(diǎn)并非全局最低谷點(diǎn)從而導(dǎo)致了基音周期提取中的倍頻和半頻的錯(cuò)誤出現(xiàn)的情況，以及提取不精確等問(wèn)題，提出一種改進(jìn)算法。最后，在對(duì)現(xiàn)有語(yǔ)音情感識(shí)別領(lǐng)域常用算法進(jìn)行分析的基礎(chǔ)上，本文選取高斯混合模型(GMM)與支持向量機(jī)模型(SVM)相結(jié)合作為識(shí)別算法，將特征參數(shù)通過(guò)高斯混合模型進(jìn)行概率分布統(tǒng)計(jì)，并將這些概率分布作為特征向量采用支持向量機(jī)模型對(duì)其進(jìn)行分類(lèi)判別，最終獲得了比較滿意的識(shí)別結(jié)果