基于PAD三維情緒模型的情感語音轉換與識別.pdf

1、語音是最主要的人際交流方式之一，也是最理想的人機交互方式之一。人類生活和學習中的自然語音不僅包含了基本的文字內容，而且還承載了豐富的情感信息。研究情感語音有助于進一步加深對大腦中情感概念的解析和理解，將情感的認識從感性認知上升為可計算模型。論文研究面向細微復雜情感的語音轉換與識別，錄制了11 種情感類型的語音數據，利用三維PAD 情緒模型描述了情感語音，分析了情感語音的聲學特征與PAD 值之間的關系，在此基礎上進行了基于PAD的情感語音

2、轉換與識別。論文的主要創(chuàng)新點和工作如下：
　　 1．引入采用心理學標注的PAD(愉悅度、激活度、優(yōu)勢度)三維情緒模型來描述情感，和傳統(tǒng)離散描述情感的方法相比，它更注重內在成分的表達，有利于計算機對情感實現(xiàn)量化分析。在錄制的情感語音數據庫基礎上，定量分析了不同情感的韻律特征參數差異，以及PAD 三個維度和韻律特征、頻譜特征之間的相關性，研究結果對情感語音的定量研究有一定的指導意義。
　　 2．提出了一種新的基于支持向量回歸

3、算法(SVR)的情感語音轉換方法，在錄制的語料庫基礎上，基于統(tǒng)計學習理論模型，實現(xiàn)中性情感到其它情感的轉換。
　　 提取了普通話11 種情感語音的韻律特征，對比分析了中性語音和情感語音之間的韻律特征差異，構建情感語音轉換的特征參數訓練集。然后用SVR 建立了基頻、時長、能量、停頓等韻律特征參數的預測模型，實現(xiàn)了由中性語音向情感語音的轉換。情感主觀平均評分(EMOS)實驗結果表明，利用這種方法變換出的10種情感語音，其平均EMOS

4、 得分為3．4，能夠表現(xiàn)出復雜的情感。
　　 3．提出了一種新的連續(xù)維度情感語音識別的方法。該方法采用Hilbert-Huang變換中的經驗模態(tài)分解(EMD)算法提取情感語音特征，結合SVR 實現(xiàn)情感語音識別的方法。即先用EMD 將情感語音分解成若干個IMF(固有模態(tài)函數)分量，提取有用的IMF分量并加以分段，而后對分段后的IMF 提取相應的特征，組成IMF組的特征向量，構建情感語音識別的特征參數集，最終利用SVR 預測出PAD