情感語音信號特征分析與識別.pdf

1、在人與人的交流中，識別對方的情感狀態(tài)是情感智能的一個重要內(nèi)容。情感智能是人類智能的一個方面，對人的社會交往起著非常重要的作用。在傳統(tǒng)的語音信號處理過程中，計算機沒有被賦予理解操作者的情緒和心情的能力，只能夠理解語音信號的表層符號信息，而不能理解隱層情感信息，不能實現(xiàn)類似人類交流之間的情感互動。語音情感信號處理就是要賦予計算機類似人一樣的觀察、理解語音信號中的情感信息，表達各種情感的能力。本文從認知、心理、生理、特征獲取、模式識別等角度對

2、情感語音識別進行了研究，取得了一些研究成果。 本文首先從心理生理學(xué)的角度回顧了情緒理論的研究發(fā)展歷程，給出了按照生理心理學(xué)的研究成果的不同的情緒分類方法，作為情緒模式識別的分類依據(jù)。 針對情感語音研究中所面臨的一些問題，對目前使用的一些情感語音數(shù)據(jù)庫進行了分析，指出了不同類型的數(shù)據(jù)庫各自的優(yōu)點和缺點。在列舉目前所存在的所有數(shù)據(jù)庫的同時，從語音情感識別的角度對數(shù)據(jù)庫的建立提山了一些觀點，并將其作為我們創(chuàng)建中文情感語音數(shù)據(jù)庫

3、的基礎(chǔ)?；诒疚牡姆治鲇^點進行中文情感語音數(shù)據(jù)庫的建設(shè)，我們得到了包括2268個單詞樣本，2916個短句樣本，280個長時語句樣本的中規(guī)模中文情感語音數(shù)據(jù)庫。 利用模糊熵的理論，本文提出了一種特征參數(shù)有效性度量手段。先得到特征參數(shù)相對于情感的模糊關(guān)系矩陣，然后將模糊綜合判決同利用模糊熵的參數(shù)有效性度量相結(jié)合，對情感語句進行識別。實驗結(jié)果表明，結(jié)合參數(shù)有效性度量的模糊綜合判決方法能較大提高語音信號的情感識別率，并高于常用的主元分析

4、方法。 漢語音節(jié)的韻律特征對情感表達起著非常重要的作用。本文提取情感語句中各元音區(qū)間的聲學(xué)參數(shù)組成時序結(jié)構(gòu)特征。由于元音數(shù)目的不同，對不同長短的語句的時序結(jié)構(gòu)特征進行了規(guī)整。采用最長的句子為基準，將較短的句子的時序結(jié)構(gòu)與基準對齊而進行規(guī)整，并提出了3種不同的規(guī)整方法。傳統(tǒng)的QDF方法中，計算協(xié)方差矩陣所必要的乘法次數(shù)隨著參數(shù)的維數(shù)增加，會導(dǎo)致計算量和內(nèi)存所占容量變得很大。同時，協(xié)方差矩陣的推定誤差將增大，從而降低判別的性能。因此

5、，本文提出了一種新的修正二次判別函數(shù)(MQDF)。研究結(jié)果表明，利用了時序結(jié)構(gòu)特征與采用修正二次函數(shù)相結(jié)合的方法，可以較高的提高語音情感識別效率。 利用支持向量機，本文對語音情感識別的二分模式識別和多模式識別進行了研究。在二分模式的情感語音識別實驗中，比較了線性映射和高斯核函數(shù)的映射方法。結(jié)果表明非線性的映射能夠改善情感的分類效果。在多模式情感實驗中，選用“One-Against-All”的SVM網(wǎng)絡(luò)進行.4類語音情感的識別。選

6、擇具有連續(xù)輸出的函數(shù)作為軟判決，然后選擇具有最大輸出值的類別作為最終的輸出。將多模式的SVM判決方法同PCA方法進行比較，結(jié)果表明使用SVM對語音情感進行識別效率大大高于其他識別方法。 本文研究了利用基音的統(tǒng)計模型信息來進行語音情感的識別方法。提出一種變窗口的ParZen窗法估計方法對基音的統(tǒng)計模型進行估計，防止了分布模型在高頻部分的抖動和低頻部分的延伸。通過采用巴氏距離(Bhattacharyya Distance)來衡量不同

7、的分布模型之間的距離，并將這個距離作為模式識別的參數(shù)之一。利用KNN方法對情感語料進行了識別實驗，結(jié)果表明基音的統(tǒng)計模型參數(shù)的引入能夠較明顯的提高情感語基音和共振峰的衍生形式經(jīng)常被用來作為特征參數(shù)進行語音信號的情感識別。這些參數(shù)和人的生理構(gòu)造有著密切的關(guān)系，不同的性別上之間具有差異。為消除這些性別差異，本文提出了基于性別分離的特征參數(shù)規(guī)整方法。利用基于模糊熵的有效性度量方法對情感特征參數(shù)的有效性進行度量，表明消除性別差異使得特征參數(shù)具有