語(yǔ)音情感識(shí)別的特征選擇方法研究.pdf

1、語(yǔ)音特征的提取、特征的情感分析以及語(yǔ)音情感識(shí)別算法的研究是語(yǔ)音情感識(shí)別(SER)課題研究中最受關(guān)注的兩個(gè)方面，情感特征選擇的問題研究相對(duì)前兩者而言較少受到關(guān)注，這也是由特征選擇問題本身就是模式識(shí)別課題研究的共性問題而決定的。目前已經(jīng)有多種特征選擇方法被采用來(lái)解決語(yǔ)音情感特征選擇問題，但是大都沒有取得良好的特征降維效果及情感識(shí)別效果。本文針對(duì)現(xiàn)有的方法不能高效地選擇出較好的情感特征參數(shù)這一問題，對(duì)語(yǔ)音情感特征選擇這一問題展開了探索性研究。

2、
　　 文中以Russell所提出的四象限情感分類模式為依據(jù)，以生活中較常見的四種情感類型:高興、生氣、悲傷、平靜為例，對(duì)所提取的88個(gè)語(yǔ)音特征進(jìn)行了情感特征選擇的研究。本文主要作了以下三方面的工作:
　　 1、基于德語(yǔ)情感語(yǔ)音庫(kù)，在前人對(duì)語(yǔ)音情感聲學(xué)特征分析的基礎(chǔ)上，對(duì)語(yǔ)音信號(hào)提取了12階美爾倒譜系數(shù)、基頻、短時(shí)能量、前三階共振峰、短時(shí)過(guò)零率共5個(gè)基本特征，而后對(duì)它們均提取了均值、最大值、最小值、范圍和方差等統(tǒng)計(jì)特征，

3、最終組成了88維的特征向量，作為后續(xù)研究的原始特征集。
　　 2、分別研究了Filter式的F-score算法及分形維算法在語(yǔ)音情感特征選擇中的應(yīng)用。針對(duì)F-score算法不能揭示所選特征間的互相關(guān)性的缺點(diǎn)，用分形維的特征選擇思想對(duì)其進(jìn)行改進(jìn)提出了改進(jìn)的Filter-Fscore特征選擇算法。在語(yǔ)音情感識(shí)別的實(shí)驗(yàn)中取得了較好的語(yǔ)音情感特征選擇效果。
　　 3、研究了Wrapper式的F-score算法在語(yǔ)音情感特征選擇中

4、的應(yīng)用。同樣針對(duì)Wrapper式F-score特征選擇算法的缺點(diǎn)，引入了作為度量互信息的皮爾遜相關(guān)系數(shù)的準(zhǔn)則，并采用支持向量機(jī)的六折交叉驗(yàn)證平均識(shí)別率來(lái)評(píng)價(jià)搜索得到的特征子集的優(yōu)劣。與Wrapper式的F-score算法的對(duì)比實(shí)驗(yàn)結(jié)果表明，本文所改進(jìn)的Wrapper-Fscore特征選擇算法能對(duì)原始特征集進(jìn)行較大幅度的降維，同時(shí)提高了語(yǔ)音情感識(shí)別率。與兩種典型特征選擇算法的對(duì)比實(shí)驗(yàn)則表明改進(jìn)的Wrapper-Fscore特征選擇算法在解