語音情感識別的研究與應用.pdf

1、隨著人機交互技術(shù)的發(fā)展，人機接口的研究已經(jīng)逐漸從機械化時代跨入多媒體用戶界面時代。作為智能人機交互的關(guān)鍵技術(shù)之一，語音情感分析與識別已經(jīng)成為一個研究熱點。各領域研究者十分關(guān)注如何從語音中自動識別說話人的情感狀態(tài)，并使計算機作出更有針對性和更人性化的響應。
　　 本文首先概述了語音情感識別的研究意義以及文中的主要研究內(nèi)容，然后回顧了目前語音情感研究中涉及的多個關(guān)鍵問題，包括情感的分類、情感語料庫概況、語音信號的聲學特征、特征降維、

2、分類算法以及基于半監(jiān)督學習的語音情感分類。
　　 本文提出了多種特征選擇和特征抽取模型?；陬惣皖悓μ卣鬟x擇相融合的語音情感識別是一種新型的模型結(jié)構(gòu)，它在關(guān)注每一對類別區(qū)分度的同時，兼顧樣本數(shù)據(jù)的全局分布，因而同時引入類集和類對特征選擇方式。該模型結(jié)構(gòu)適用于多種分類算法，而且能有效地提高系統(tǒng)的識別性能?；谔卣魍队熬仃嚨奶卣鬟x擇算法利用特征抽取算法中的投影矩陣，衡量各個初始聲學特征的重要性，據(jù)此進行特征子集的選擇。實驗結(jié)果表明

3、，相比于單純使用投影矩陣進行映射變換的特征抽取方法，該特征選擇算法更具優(yōu)勢?；诙鄬哟翁卣鞒槿〉恼Z音情感識別通過對數(shù)據(jù)的分析，針對不同性別、不同情感類別的語料，選擇多樣化的降維算法進行處理。這種思想可以推廣到其他語料庫上，通過構(gòu)建合適的基于多層次降維的識別系統(tǒng)，提高系統(tǒng)整體的識別效果?；诹餍螌W習的增強型Lipschitz嵌入算法則是一種非線性降維算法，它通過測地距離的計算，將高維特征向量映射到低維子空間中。該算法在實驗室受控環(huán)境下的特

4、定人和非特定人語音情感識別、高斯白噪聲和正弦噪聲情況下的特定人語音情感識別中，顯著地提高了識別準確率。
　　 在傳統(tǒng)的語音情感識別系統(tǒng)中，各個聲學特征通常是以分量的形式簡單地組成特征向量，作為分類器的數(shù)據(jù)輸入?；趨f(xié)方差描述子和黎曼流形的語音情感識別系統(tǒng)考慮了不同聲學特征之間的關(guān)聯(lián)性，實驗表明該關(guān)聯(lián)性能夠反映語音的情感信息，而且基于此關(guān)聯(lián)性所建立的識別系統(tǒng)穩(wěn)定性高，抗噪能力強。
　　 在只有少量已標記樣本和大量未標記樣本