基于稀疏表示與功能性副語言輔助的語音情感識別方法研究.pdf

1、語音情感識別是情感研究領(lǐng)域的研究熱點之一，其通過獲取說話人的語音情感特征參數(shù)，進(jìn)而識別說話人的情感狀態(tài)。語音情感識別在測謊、心理學(xué)研究和智能人機(jī)交互等領(lǐng)域都有廣泛的用途。目前語音情感識別的特征主要來自于伴隨性副語言（即:基頻、音高、音強(qiáng)等特征）。功能性副語言（如:笑聲、哭聲、嘆息聲等）作為人類語音情感表達(dá)的有力輔助工具，攜帶著說話人大量情感信息。故本課題將帶有情感的功能性副語言結(jié)合傳統(tǒng)語音情感特征進(jìn)行語音情感識別，期待達(dá)到提高語音情感識

2、別率及系統(tǒng)魯棒性的目標(biāo)。同時，引入稀疏表示進(jìn)行小樣本語音情感識別和功能性副語言檢測，取得了較好的效果。主要內(nèi)容如下:
　　 (1)錄制包含六種功能性副語言的語音情感數(shù)據(jù)庫。鑒于目前國內(nèi)外沒有較為完備的功能性副語言數(shù)據(jù)庫，課題組組織并錄制了包含笑聲、傷心的哭聲、質(zhì)疑聲、叫喊聲、害怕的哭聲、嘆息聲的語音情感數(shù)據(jù)庫。該數(shù)據(jù)庫包含六種典型情感類別，分別為高興、悲傷、驚訝、生氣、害怕、厭惡。
　　 (2)提出了基于稀疏表示的小樣本

3、語音情感識別方法。鑒于稀疏表示在信號處理上的優(yōu)勢，為了將其引入到小樣本語音情感識別中，首先將特征進(jìn)行降維，隨后訓(xùn)練自適應(yīng)過完備字典，進(jìn)行稀疏變換與反變換，求取樣本識別誤差，將變換誤差小者作為識別結(jié)果。
　　 (3)為了盡最大可能利用功能性副語言正確的信息，避免錯誤信息的誤導(dǎo)，提出了使用置信度和概率相結(jié)合的融合算法，并命名為功能性副語言輔助的非特定人語音情感識別算法。在該算法中，首先建立傳統(tǒng)語音情感識別通道以及功能性副語言識別通道

4、。綜合考慮兩通道識別結(jié)果的置信度和概率兩個因素，選擇兩通道識別一致且概率置信度均較大者為最終識別結(jié)果。
　　 (4)為了去除功能性副語言識別模型以及傳統(tǒng)語音情感識別模型對訓(xùn)練集合含有功能性副語言比例的依賴性，以及為了進(jìn)一步提高識別率，提出了基于功能性副語言自動檢測的語音情感融合識別方法。該方法有三點貢獻(xiàn)，一是提出了功能性副語言自動檢測，二是將功能性副語言與傳統(tǒng)語音進(jìn)行分離，避免了兩種完全不同信號之間的相互干擾。三是使用自適應(yīng)權(quán)重