情感語音的特征提取與識(shí)別研究.pdf

1、隨著人機(jī)交互技術(shù)的發(fā)展,語音信號(hào)中的情感因素越來越受到廣大研究者的重視。提取情感特征是語音信號(hào)研究的重要分支之一,針對(duì)目前語音情感特征不能有效體現(xiàn)情感特性和情感識(shí)別率不高的問題,本文主要做了以下主要工作:
　　 1、根據(jù)語音的自身特點(diǎn),本文提取了一些常見的聲學(xué)特征,比如,基頻、共振峰和Mel倒譜系數(shù)等,然后,再結(jié)合實(shí)驗(yàn)分析這些特征的情感特性。實(shí)驗(yàn)結(jié)果表明這些聲學(xué)特征確實(shí)具有情感特性。
　　 2、由于僅僅依靠聲學(xué)特征對(duì)不同

2、的情感語音進(jìn)行識(shí)別所得到的識(shí)別率并不是很高,針對(duì)這個(gè)問題,本文通過經(jīng)驗(yàn)?zāi)B(tài)分解(EmpiricalModeDecomposition,簡(jiǎn)稱EMD)算法提取語音情感的n階固有模態(tài)函數(shù)(IntrinsicModeFunction,簡(jiǎn)稱IMF),然后通過Hilbert變換提取IMF的瞬時(shí)頻率和瞬時(shí)振幅。通過實(shí)驗(yàn)分析發(fā)現(xiàn),不同的人在不同情感狀態(tài)下的同一階IMF是不相同的,甚至同一個(gè)人的IMF也是不相同的。實(shí)驗(yàn)結(jié)果表明,把所有的IMF作為語音情感

3、識(shí)別的情感特征并沒有得到最好效果,而是在使用前4階IMF時(shí)識(shí)別效果才最好。所以,本文只提取了情感語音的前4階的IMF,以及其的瞬時(shí)頻率和瞬時(shí)振幅作為新的情感特征。
　　 3、本文采用支持向量機(jī)(SupportVectorMachine,簡(jiǎn)稱SVM)的識(shí)別方法對(duì)語音情感進(jìn)行識(shí)別,首先,把高興和生氣作為一類,悲傷和平靜作為一類對(duì)情感語音進(jìn)行訓(xùn)練和識(shí)別,然后再對(duì)高興和生氣、悲傷和平靜分別進(jìn)行訓(xùn)練和識(shí)別。實(shí)驗(yàn)結(jié)果表明,該方法識(shí)別效果較好