基于HMM模型的語音情感識別的研究.pdf

1、隨著人機交互系統(tǒng)的快速發(fā)展，語音情感識別近年來越來越受到人們的重視。包含在語音信號中的情感情息是一種很重要的信息資源，它是人們感知事物的必不可少的部分信息。例如同樣的一句話，由于說話人表現(xiàn)的情感不同，在聽者的感知上就可能會有較大的差別。所謂“聽話聽音”就是這個道理。 本文首先介紹了語音情感識別的發(fā)展歷程、研究背景、研究領域及其主要應用，接下來介紹了目前語音情感識別主要研究方法及本文在語音情感識別中所用的情感的分類及其韻律特征。重

2、點分析了各種特征參數(shù)的提取方法(不僅包括韻律特征參數(shù)還有非韻律特征參數(shù)如共振峰)。其中基音檢測算法采用一種自動調(diào)整窗口長度的算法，能夠根據(jù)不同的人、不同的發(fā)音的差異來調(diào)節(jié)窗的長度，提高基頻提取的準確性。應用隱馬爾可夫模型(HMM)的進行語音情感識別，對其分析過程和設計思想進行了深入詳細地探討。本文使用的漢語語音庫包含了高興、憤怒、悲傷、驚訝、恐懼和平靜語音，提取了語音庫中情感語句的短時能量及其一階、二階差分，基頻及其一階、二階差分，第一

3、共振峰和MFCC共八維情感特征參數(shù)。使用從左向右的連續(xù)隱馬爾可夫模型(CHMM)進行情感語音識別，每個CHMM模型用六個狀態(tài)，每個狀態(tài)用四個混合高斯概率密度函數(shù)來估計輸出概率密度函數(shù)，并應用Baum-Welch參數(shù)重估算法來訓練CHMM模型參數(shù)。為了使訓練結果更好地收斂為全局的最優(yōu)，我們用“分段K均值算法”重估HMM模型的觀察值概率距陣。最后應用Viterbi算法對該語音庫情感語句進行識別，實驗結果表明，六種情感的總體識別效果較為理想，