語音情感識(shí)別的研究.pdf

1、語音情感識(shí)別是心理學(xué)、語音學(xué)、數(shù)字信號(hào)處理、人工智能等多個(gè)學(xué)科相互交叉而產(chǎn)生的新興研究領(lǐng)域，引起了越來越多學(xué)者的關(guān)注。語音情感識(shí)別不僅在人機(jī)交互中有較大的應(yīng)用前景，而且在疾病診斷、刑偵破案、遠(yuǎn)程教育等領(lǐng)域也有日趨廣泛的應(yīng)用。因此，語音情感識(shí)別的研究具有重大的理論意義以及實(shí)際應(yīng)用價(jià)值。
　　目前，語音情感識(shí)別研究已取得了豐富的理論和應(yīng)用成果，然而由于語音自身的復(fù)雜性以及各相關(guān)學(xué)科發(fā)展程度的制約，該項(xiàng)研究依然存在許多亟待解決的技術(shù)難題

2、。本文是在悲哀、高興、中性、驚嚇?biāo)姆N語音情感庫(kù)的基礎(chǔ)上，對(duì)語音情感識(shí)別特征提取技術(shù)做了相關(guān)研究，主要包括如下四個(gè)方面內(nèi)容:
　　(1)端點(diǎn)檢測(cè)不僅影響語音情感識(shí)別系統(tǒng)的性能，而且對(duì)語音分析中的計(jì)算量與處理時(shí)間也有影響。本文提出采用了基于能熵比的端點(diǎn)檢測(cè)法，并與常用的基于短時(shí)能量與短時(shí)過零率的方法做了比較分析。實(shí)驗(yàn)結(jié)果表明，在低信噪比的情況下，本文采用的方法能得到更優(yōu)的檢測(cè)效果。
　　(2)特征選擇是語音情感識(shí)別系統(tǒng)中的關(guān)鍵環(huán)

3、節(jié)。通常，特征選擇的原則是盡可能將相關(guān)特征納入特征集，其結(jié)果很難避免特征間的相關(guān)性和冗余性，同時(shí)大大增加了計(jì)算量，并對(duì)隨后的語音情感識(shí)別結(jié)果帶來負(fù)面的影響。因此，本文采用了BP神經(jīng)網(wǎng)絡(luò)對(duì)常用的32個(gè)特征進(jìn)行特征選擇，選出對(duì)語音情感識(shí)別貢獻(xiàn)度較好的5個(gè)特征（能量一階差分、基頻均值、MFCC均值、過零率一階差分、LPC均值）作為特征矢量集，最后分別使用SVM與GMM識(shí)別機(jī)進(jìn)行識(shí)別，得到語音情感平均識(shí)別率分別為76％與79.75％。因此，本文

4、以下工作中的語音情感識(shí)別機(jī)選用GMM。
　　(3)從特征選擇結(jié)果得到的5個(gè)特征，其中MFCC均值參數(shù)維數(shù)為24、LPC均值參數(shù)維數(shù)為12，而其余三個(gè)特征參數(shù)（能量一階差分、基頻均值、過零率一階差分）的維數(shù)均為1。因此，為了進(jìn)一步提高語音情感識(shí)別率，降低特征維數(shù)，減少計(jì)算量，本文提出采用PCA方法對(duì)MFCC均值與LPC均值組成的36維特征矢量集進(jìn)行降維，得到一組16維特征矢量集與其余三個(gè)特征組成新的特征矢量集。最后使用GMM識(shí)別機(jī)識(shí)

5、別，得到四種語音情感的平均識(shí)別率為80.5％，實(shí)現(xiàn)識(shí)別率的提升。
　　(4)由(3)可知，其方法對(duì)語音情感識(shí)別率的提升是有效的，然而提升效果有限。因此，為了進(jìn)一步提升語音情感識(shí)別率，本文提出了在語音信號(hào)基頻曲線上提取MFCC特征參數(shù)，并將其加入特征矢量集中，用GMM識(shí)別機(jī)識(shí)別，得到四種語音情感的平均識(shí)別率為83％。為了再進(jìn)一步提升語音情感識(shí)別率，本文提出了基于短時(shí)平均幅度曲線上提取的微擾特征參數(shù)，并將其加入特征矢量集中，用GMM識(shí)