基于特征提取多模式結(jié)合的語音情感識別的研究.pdf

1、隨著社會科技的發(fā)展，計算機的應(yīng)用在生活中越來越普遍，智能化的人機交互越來越成為研究熱點，人類越來越渴望與計算機進行更加人性化的和諧的交互。語音是人類最自然的交流方式，其中不僅包含了語義信息，更包含了大量的情感信息，能準確地識別情感的人機交互即為智能化的人機交互之一。因此對語音情感信息的識別成為更智能化的人機交互的研究關(guān)鍵。在目前的語音情感識別研究中，情感特征提取和情感識別的方法多種多樣，研究使用的情感語音數(shù)據(jù)庫也沒有統(tǒng)一的標準，這些不同

2、導(dǎo)致最后的識別結(jié)果也各不相同。
　　本文首先分析了對語音中情感信息的識別的意義，了解了大量的相關(guān)知識。其次為實驗錄制了漢語情感語音庫。選取本身不帶有情感信息的20句語句文本，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較好的情感語音構(gòu)成情感語音數(shù)據(jù)庫。然后觀察并分析不同情感狀態(tài)下，提取語音信號的基頻、短時能量、短時過零率、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;針對傳統(tǒng)

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