高斯混合模型用于語音情感識別研究.pdf

1、語音情感識別技術(shù)是人工智能(AI)領(lǐng)域的一個重要分支，該技術(shù)是通過對語音信號進(jìn)行分析處理來識別說話者當(dāng)時的情感狀態(tài)。隨著計(jì)算機(jī)科學(xué)技術(shù)與其他學(xué)科如生理學(xué)、心理學(xué)、統(tǒng)計(jì)學(xué)等相互交叉和發(fā)展，語音情感識別技術(shù)獲得了顯著的進(jìn)展。情感自身具有主觀性和復(fù)雜性，對情感進(jìn)行建模，開展情感計(jì)算研究具有重大的理論和實(shí)踐意義。隨著計(jì)算機(jī)技術(shù)和機(jī)器智能技術(shù)的發(fā)展，越來越多的人工智能設(shè)備和產(chǎn)品將會被開發(fā)出來，并會在社會生活的各個領(lǐng)域中得到廣泛的應(yīng)用，如教育行業(yè)、

2、醫(yī)學(xué)界、服務(wù)行業(yè)和工業(yè)等領(lǐng)域。本文采用高斯混合模型，對語音情感識別問題做了較系統(tǒng)的研究。
　　首先，基于情感理論基礎(chǔ)知識確立了本文的實(shí)驗(yàn)語料庫，并選取了四種基本情感狀態(tài)作為本文的研究對象，即生氣、高興、恐懼、悲傷。接著對語音信號進(jìn)行預(yù)處理操作，便于提取更為有效的情感特征。
　　其次，鑒于語音情感特征提取的好壞將會直接影響識別的效果，所以本文的特征參數(shù)提取兼顧韻律學(xué)、音質(zhì)以及譜等三個方面，這些特征分別是語速、短時能量、基音頻率

3、、共振峰參數(shù)以及Mel頻率倒譜系數(shù)(MFCC)五類特征，對這一系列特征進(jìn)行提取計(jì)算和分析研究，最終確定了21種語音情感特征作為高斯混合模型(GMM)的輸入?yún)?shù)。
　　再次，通過選取不同的情感特征和不同的識別模型進(jìn)行實(shí)驗(yàn)，尋找能區(qū)分各種情感的有效情感特征。本文先選用支持向量機(jī)(SVM)模型進(jìn)行識別，通過對比不同的核函數(shù)的識別效果決定選用線性核，并且使用網(wǎng)格搜索法確定了用于識別的最優(yōu)參數(shù);然后采用層次模型決策樹、分層模型分別進(jìn)行識別。

4、
　　最后，利用已確定的21種語音情感特征和高斯混合模型在語料庫的訓(xùn)練數(shù)據(jù)集上對四種基本情感建立識別模型。在建模的過程中，使用到了極大似然估計(jì)(MLE)和期望最大化(EM)算法對高斯混合模型的參數(shù)進(jìn)行優(yōu)化。在進(jìn)行優(yōu)化訓(xùn)練的過程中，極大似然估計(jì)詳細(xì)推演了期望最大化算法迭代并直到最后收斂的過程。最終確定了最優(yōu)的高斯混合模型，并使用該模型在測試數(shù)據(jù)集上進(jìn)行了識別實(shí)驗(yàn)。同時對其他三種識別模型（即支持向量機(jī)、決策樹和分層模型）的實(shí)驗(yàn)結(jié)果做了