語(yǔ)音情感識(shí)別的研究與應(yīng)用.pdf

1、隨著人機(jī)交互技術(shù)的發(fā)展，人機(jī)接口的研究已經(jīng)逐漸從機(jī)械化時(shí)代跨入多媒體用戶界面時(shí)代。作為智能人機(jī)交互的關(guān)鍵技術(shù)之一，語(yǔ)音情感分析與識(shí)別已經(jīng)成為一個(gè)研究熱點(diǎn)。各領(lǐng)域研究者十分關(guān)注如何從語(yǔ)音中自動(dòng)識(shí)別說(shuō)話人的情感狀態(tài)，并使計(jì)算機(jī)作出更有針對(duì)性和更人性化的響應(yīng)。
　　 本文首先概述了語(yǔ)音情感識(shí)別的研究意義以及文中的主要研究?jī)?nèi)容，然后回顧了目前語(yǔ)音情感研究中涉及的多個(gè)關(guān)鍵問(wèn)題，包括情感的分類、情感語(yǔ)料庫(kù)概況、語(yǔ)音信號(hào)的聲學(xué)特征、特征降維、

2、分類算法以及基于半監(jiān)督學(xué)習(xí)的語(yǔ)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?duì)特征選擇相融合的語(yǔ)音情感識(shí)別是一種新型的模型結(jié)構(gòu)，它在關(guān)注每一對(duì)類別區(qū)分度的同時(shí)，兼顧樣本數(shù)據(jù)的全局分布，因而同時(shí)引入類集和類對(duì)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(shí)別性能。基于特征投影矩陣的特征選擇算法利用特征抽取算法中的投影矩陣，衡量各個(gè)初始聲學(xué)特征的重要性，據(jù)此進(jìn)行特征子集的選擇。實(shí)驗(yàn)結(jié)果表明

3、，相比于單純使用投影矩陣進(jìn)行映射變換的特征抽取方法，該特征選擇算法更具優(yōu)勢(shì)?；诙鄬哟翁卣鞒槿〉恼Z(yǔ)音情感識(shí)別通過(guò)對(duì)數(shù)據(jù)的分析，針對(duì)不同性別、不同情感類別的語(yǔ)料，選擇多樣化的降維算法進(jìn)行處理。這種思想可以推廣到其他語(yǔ)料庫(kù)上，通過(guò)構(gòu)建合適的基于多層次降維的識(shí)別系統(tǒng)，提高系統(tǒng)整體的識(shí)別效果。基于流形學(xué)習(xí)的增強(qiáng)型Lipschitz嵌入算法則是一種非線性降維算法，它通過(guò)測(cè)地距離的計(jì)算，將高維特征向量映射到低維子空間中。該算法在實(shí)驗(yàn)室受控環(huán)境下的特

4、定人和非特定人語(yǔ)音情感識(shí)別、高斯白噪聲和正弦噪聲情況下的特定人語(yǔ)音情感識(shí)別中，顯著地提高了識(shí)別準(zhǔn)確率。
　　 在傳統(tǒng)的語(yǔ)音情感識(shí)別系統(tǒng)中，各個(gè)聲學(xué)特征通常是以分量的形式簡(jiǎn)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(yǔ)音情感識(shí)別系統(tǒng)考慮了不同聲學(xué)特征之間的關(guān)聯(lián)性，實(shí)驗(yàn)表明該關(guān)聯(lián)性能夠反映語(yǔ)音的情感信息，而且基于此關(guān)聯(lián)性所建立的識(shí)別系統(tǒng)穩(wěn)定性高，抗噪能力強(qiáng)。
　　 在只有少量已標(biāo)記樣本和大量未標(biāo)記樣本