版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著信息技術的高速發(fā)展,人類對計算機的依賴性不斷增強,因此,人機的交互能力越來越受到研究者的重視。語音是眾多信息載體中具有最大信息容量的信號,具有最高的智能水平。當今語音信號處理研究的熱點,已從傳統的只著眼于詞匯傳達的準確性,到了研究語音信號的情感表達。因此,本文從情感語音的特征級出發(fā),對LPC(線性預測)系數的情感建模進行了研究。
本文針對當前缺乏語音情感特征的發(fā)聲模型方面的專門研究的現狀,通過探索情感特征與LPC系數之
2、間的映射關系,提出建立LPC系數的情感模型的新方案。本文在中科院情感語音庫的基礎上分別建立高興、憤怒、悲傷及中性四種情感數據庫;研究情感語音的音質特征參數,得到上述四種情感的共振峰統計規(guī)律;重點設計并實現基于高斯混合(GMM)模型的情感LPC系數的建模方案,通過采用不同情感語音的LPC特征矢量,結合動態(tài)時間規(guī)整技術(DTW)、期望最大化算法(EM)和最小均方誤差準則(MMSE),對模型進行訓練和參數估計,最終獲得高興、憤怒、悲傷三種情感
3、對中性語音的LPC系數映射規(guī)則函數,完成對情感LPC參數的建模。并設計實驗測試方案,采用板倉-齋田準則(IS)對通過映射函數得到的LPC系數和標準中性語音的LPC系數進行譜失真測度的計算,仿真實驗結果表明,建立的情感模型有效的表征了不同情感對LPC系數的影響。
本文提出的基于高斯混合模型的情感LPC參數的聲學建模方法,是情感語音信號處理領域的一個新的研究方法,為情感給語音合成、識別等帶來的影響研究提供了新的思路和解決方案。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高斯混合模型的語音情感識別研究與實現.pdf
- 基于雙高斯混合模型的音樂情感識別及檢索的研究與應用.pdf
- 高斯混合模型用于語音情感識別研究.pdf
- 基于高斯混合模型的時變過程軟測量建模.pdf
- 基于混合高斯的背景建模與陰影抑制算法研究.pdf
- 基于高斯混合模型的圖像分割的研究.pdf
- 基于線譜對系數和高斯混合模型的說話人識別技術研究.pdf
- 基于混合高斯改進算法的視頻背景建模研究.pdf
- 基于高斯混合模型的語音轉換方法研究.pdf
- 基于高斯混合模型的咳嗽音檢測研究.pdf
- 基于高斯混合模型的語種識別的研究.pdf
- 基于高斯混合模型的運動目標檢測.pdf
- 基于混合高斯模型的目標檢測與陰影去除算法研究.pdf
- 基于高斯混合模型的說話人識別研究.pdf
- 基于混合高斯模型匹配的紋理分類研究.pdf
- 基于高斯混合模型的說話人識別算法研究.pdf
- 基于改進自適應混合高斯模型的背景建模及對象計數方法研究.pdf
- 基于高斯混合模型的語音轉換技術的研究.pdf
- 基于高斯混合模型的語種識別技術.pdf
- 基于混合高斯模型的說話人識別.pdf
評論
0/150
提交評論