相空間重構(gòu)在語音情感識別中的研究.pdf

1、隨著人機(jī)交互技術(shù)的迅速發(fā)展，情感信息作為認(rèn)知過程中的重要組成部分已經(jīng)得到了研究學(xué)者普遍的認(rèn)同和重視，而語音情感識別又是情感計(jì)算的重要組成部分，針對當(dāng)前語音情感特征的不全面性和識別率不高的現(xiàn)狀，本文做了如下研究:
　　(1)根據(jù)語音信號本身的特征信息，從傳統(tǒng)的聲學(xué)角度出發(fā)，提取了傳統(tǒng)的韻律情感特征（短時能量、過零率、基頻）和頻譜特征(MFCC)，然后對提取后的特征數(shù)據(jù)進(jìn)行相關(guān)統(tǒng)計(jì)特征的計(jì)算，其中統(tǒng)計(jì)特征包括了最大值、最小值、中值、方

2、差等，并將此數(shù)據(jù)作為情感特征參數(shù)的原始特征數(shù)據(jù)集合。
　　(2)基于語音信號發(fā)聲機(jī)理的復(fù)雜性，從混沌信號的角度對語音信號進(jìn)行分析，首先通過對語音信號lyapunov指數(shù)的提取，判定信號是否具有混沌性，再將語音信號進(jìn)行相空間重構(gòu)，通過對高維的語音信號進(jìn)行分析并提取能表征語音混沌特性的情感特征參數(shù)（關(guān)聯(lián)維和Kolmogorov熵），實(shí)驗(yàn)結(jié)果顯示新特征的引入能更為全面地表征語音信號中情感狀態(tài)的信息，將語音語義的信息弱化。
　　(3

3、)本文采用支持向量機(jī)（Support Vector Machine，簡稱SVM）對語音情感進(jìn)行識別實(shí)驗(yàn)，通過傳統(tǒng)特征，混沌特征以及融合后新的特征數(shù)據(jù)進(jìn)行三組對比實(shí)驗(yàn)，結(jié)果表明，混沌特征的引入對識別效果有了一定的提高，但對于悲傷和平靜兩種情感容易混淆，基于此，對SVM識別算法中的懲罰因子和核函數(shù)參數(shù)g進(jìn)行網(wǎng)格搜索算法的改進(jìn)尋優(yōu)，通過兩次尋優(yōu)的過程，將悲傷和平靜兩種狀態(tài)的樣本進(jìn)行單獨(dú)的識別實(shí)驗(yàn)，結(jié)果顯示，二次尋優(yōu)后的識別算法對于提高準(zhǔn)確率有