語音情感識(shí)別與特征分析若干問題研究.pdf

1、作為人類交流的主要手段之一，語音信號(hào)具有傳遞語義的作用，同時(shí)也是承載說話人個(gè)體信息的重要載體，如說話人性別，話者的情緒情感如何等等。其中，對(duì)語音信號(hào)情感的識(shí)別研究已發(fā)展為語音信號(hào)處理的重要分支，成為人機(jī)和諧交互的重要組成部分?？傮w而言，語音情感識(shí)別是認(rèn)知、心理、生理、模式識(shí)別等多學(xué)科的交叉學(xué)科。但是，由于語音情感信息的社會(huì)性、文化性，以及語音信號(hào)自身的復(fù)雜性，語音情感識(shí)別尚存在諸多問題有待解決，如情感建模、特征的分析和選擇、識(shí)別方法的改

2、進(jìn)、耳語音情感識(shí)別等。
　　 本文首先心理生理學(xué)的角度回顧了情緒理論的發(fā)展歷程，介紹了不同的情緒分類方法作為情感識(shí)別的分類依據(jù)。在此基礎(chǔ)上，對(duì)語音聲學(xué)特征參數(shù)提取、分析和選擇、語音情感識(shí)別等問題進(jìn)行了深入探討與研究。具體的研究內(nèi)容著重體現(xiàn)在以下幾點(diǎn)：
　　 (1)系統(tǒng)綜述了語音情感識(shí)別的研究歷史與現(xiàn)狀，對(duì)國內(nèi)外該領(lǐng)域的研究動(dòng)態(tài)及應(yīng)用前景進(jìn)行了闡述，概述了其中的重點(diǎn)難點(diǎn)，包括情感的心理分析及模型建立、語音庫的選擇、特征參數(shù)

3、的選擇及流行識(shí)別算法等。
　　 (2)介紹了語音的發(fā)聲機(jī)理，并在短時(shí)分幀技術(shù)的基礎(chǔ)上闡述幾個(gè)了常用語音特征參數(shù)的提取方法，包括有短時(shí)能量、語速、基音頻率、共振峰頻率、MFCC等；最后給出兩種流行的特征參數(shù)有效性度量方法。
　　 (3)改進(jìn)GMM在語音情感識(shí)別中的應(yīng)用
　　 混合高斯模型(GMM)是以特征矢量幀為單位進(jìn)行概率統(tǒng)計(jì)分布的描述。針對(duì)如何解決壞幀問題，本文對(duì)GMM模型進(jìn)行兩種后端處理的分析，推導(dǎo)出一個(gè)半正

4、弦變換和一個(gè)基于非線性歸一化補(bǔ)償變換的改進(jìn)GMM用于情感識(shí)別。實(shí)驗(yàn)表明，改進(jìn)后的GMM可以有效的提高識(shí)別率。
　　 (4)基于模糊矢量量化的語音情感識(shí)別
　　 改進(jìn)的模糊矢量量化在模糊C均值算法中，采用放寬的歸一化條件，在矢量碼本設(shè)計(jì)時(shí)，采用基于相似性閾值和最小距離原則的聚類方法，對(duì)初始碼本進(jìn)行改進(jìn)。研究結(jié)果表明，改進(jìn)后的方法，可以較高的提高語音情感識(shí)別效率。
　　 (5)基于改進(jìn)二次判別式(MQDF)的語音情感

5、識(shí)別
　　 二次判別式是一種常用的分類器，其前提假設(shè)為輸入數(shù)據(jù)符合高斯分布，然而語音信號(hào)的分布是分布的，基于短時(shí)幀理論得到的特征參數(shù)序列也不符合此假設(shè)，對(duì)識(shí)別可能造成較大影響。因此，本文提出了一種改進(jìn)的二次判別式(MQDF)，結(jié)合了77個(gè)韻律參數(shù)和音質(zhì)參數(shù)并用于四種情感(喜、怒、驚、悲)的識(shí)別，研究結(jié)果表明，較之傳統(tǒng)二次型和其他一些改進(jìn)二次型模型，本文方法可以較好的提高語音情感識(shí)別效率。
　　 (6)基于修正的Fukun

6、age-Koontz變換(FKT)的語音情感識(shí)別
　　 面對(duì)語音識(shí)別研究過程中提取出的越來越多的特征參數(shù)，所有參數(shù)直接用于情感識(shí)別，不僅計(jì)算量龐大，而且高維信息冗余也可能影響識(shí)別效果，因此需要進(jìn)行合理的特征降維。相比于LDA、PCA等降維方法，本文提出一種修正的Fukunage-Koontz變換(FKT)，對(duì)語音特征序列進(jìn)行加權(quán)，不僅可以避免矩陣奇異問題，而且在降維的同時(shí)體現(xiàn)分類信息。最后分別采用PCA、FKT、修正FKT進(jìn)行特