基于多權(quán)值神經(jīng)網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別的研究.pdf

1、如何識(shí)別說(shuō)話人情感是目前語(yǔ)音技術(shù)領(lǐng)域中一個(gè)比較熱門的話題。有許多學(xué)者對(duì)情感語(yǔ)音特征提取和自動(dòng)情感分類進(jìn)行了研究，并提出了許多方法，但是目前語(yǔ)音情感識(shí)別的效果遠(yuǎn)低于人們所期望的識(shí)別結(jié)果。針對(duì)這個(gè)問(wèn)題，本文提出了一種新的語(yǔ)音情感識(shí)別方法——基于多權(quán)值神經(jīng)網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別。 本文首先提出了特征空間樣本點(diǎn)的圖幾何理論以及圖幾何理論中的有關(guān)性質(zhì)，通過(guò)圖論的概念，研究了特征空間樣本點(diǎn)的性質(zhì)，在凸胞的基礎(chǔ)上提出了有關(guān)子圖的運(yùn)算方法，并且利用

2、子圖的空間樣本點(diǎn)之間距離作為權(quán)值提出基于圖幾何理論的多權(quán)值神經(jīng)元。對(duì)情感語(yǔ)音的特性進(jìn)行了探討，對(duì)特征向量的提取、數(shù)據(jù)信息的壓縮處理等語(yǔ)音的前處理方法進(jìn)行研究。參考大量的情感語(yǔ)音理論，根據(jù)各個(gè)情感特征參數(shù)對(duì)于語(yǔ)音情感識(shí)別方面的影響程度，最終確定了最具有影響力的特征參數(shù)作為語(yǔ)音情感識(shí)別的特征參數(shù)，對(duì)預(yù)處理后的語(yǔ)音信息進(jìn)行特征提取，并提出了各特征參數(shù)的具體算法。然后根據(jù)特征參數(shù)研究了基于多權(quán)值神經(jīng)元的語(yǔ)音情感識(shí)別的訓(xùn)練和識(shí)別算法，通過(guò)相關(guān)的實(shí)

3、驗(yàn)論證了該方法的可行性。 與SVM方法相比較的實(shí)驗(yàn)結(jié)果表明，隨著樣本數(shù)量的增多，兩種方法的識(shí)別率之間的差距也會(huì)慢慢減小，當(dāng)樣本數(shù)量趨近無(wú)窮時(shí)，它們的正確識(shí)別率都會(huì)漸漸逼近一個(gè)峰值。但在神經(jīng)元個(gè)數(shù)足夠的前提下，基于多權(quán)值神經(jīng)網(wǎng)絡(luò)的情感語(yǔ)音識(shí)別方法的正確識(shí)別率仍將高于SVM模型方法的識(shí)別率，這是因?yàn)榛诙鄼?quán)值神經(jīng)網(wǎng)絡(luò)的方法描述的是情感語(yǔ)音特征樣本點(diǎn)在高維空間的形態(tài)分布，而SVM模型方法卻僅僅是一種在高維空間中非線性劃分的方法，尤其在