基于特征選擇與融合的語音情感識別研究與實(shí)現(xiàn).pdf

1、隨著計算機(jī)網(wǎng)絡(luò)通信技術(shù)和多媒體技術(shù)的飛速發(fā)展，新型的人機(jī)交互已成為計算機(jī)應(yīng)用技術(shù)研究的重要方向，而語音的情感識別對實(shí)現(xiàn)人機(jī)自然交互至關(guān)重要。在心理學(xué)、生理學(xué)、神經(jīng)科學(xué)和計算機(jī)技術(shù)及與之相關(guān)的模式識別技術(shù)發(fā)展的基礎(chǔ)上，語音情感識別的研究在理論和應(yīng)用上都取得了長足進(jìn)步，初步建立起語音情感識別體系框架。但隨著人們對情感識別應(yīng)用需求的增多，現(xiàn)有的技術(shù)與方法已不能滿足需求，特別是漢語語音情感識別的研究相對較少，這就需要加快工作步伐，填補(bǔ)這方面的空

2、白。 本文以人機(jī)自然交互為背景，分析了語音情感識別目前存在的問題，研究了語音情感識別中的幾個關(guān)鍵技術(shù)，主要內(nèi)容包括： (1) 普通話情感語音數(shù)據(jù)庫的建立。本文提出了以文本信息引導(dǎo)的錄音法及影視資料剪輯法共采集1450句情感語音，分為憤怒、害怕、高興、中性和悲傷5個情感類別。 (2) 聲學(xué)特征的分析與特征參數(shù)選擇。本文分析了情感語音的聲學(xué)特征在不同情感狀態(tài)下的靜態(tài)規(guī)律以及在情感狀態(tài)轉(zhuǎn)變時的動態(tài)規(guī)律，提出了二階段特征

3、選擇法。通過該方法選出了實(shí)驗樣本中類內(nèi)距離小、類間距離大的特征子集，提高了識別率。 (3) 統(tǒng)計特征和時序特征的融合。通過矢量量化技術(shù)，將聲學(xué)的統(tǒng)計特征和時序特征進(jìn)行融合，通過實(shí)驗確定了特征參數(shù)在特定情況下的最優(yōu)配置。 (4) 基于神經(jīng)網(wǎng)絡(luò)的語音情感識別系統(tǒng)。本文綜合前面章節(jié)的各項技術(shù)，設(shè)計并實(shí)現(xiàn)了普通話語音情感識別原型系統(tǒng):ERSNN。 本文在情感語音庫的建立、情感聲學(xué)特征的選擇與融合以及小型的語音情感識別系統(tǒng)