多特征結(jié)合的語音情感識別方法研究.pdf

1、語言是現(xiàn)實中人與人之間交流的主要手段,而語音是傳遞語言的最基本、最直接的途徑。在語音信號中包含說話人要表達(dá)的語義信息以及說話人的情感信息,其中,情感信息在人們的交流中具有重要作用。因此,隨著人機(jī)交互技術(shù)的快速發(fā)展,語音信號中個情感信息越來越受到研究人員的重視。作為語音信號情感信息處理的一個重要研究方向,語音情感識別是計算機(jī)理解人類情感的關(guān)鍵,是實現(xiàn)智能化人機(jī)交互的前提。但是,目前對情感識別的研究還不夠深入,在情感語音數(shù)據(jù)庫的建立、情感特

2、征參數(shù)的提取、情感識別方法等諸多方面的研究還沒有形成系統(tǒng)的理論。因此,可以說語音情感識別尚處于初步階段,還有許多工作要深入下去。
　　 本文首先概述了語音信號情感識別涉及的研究領(lǐng)域及應(yīng)用,并簡單介紹了近幾年國內(nèi)外語音情感識別的最新研究動態(tài)。在此基礎(chǔ)上,針對傳統(tǒng)的情感特征提取大部分只是提取反映喚醒度的韻律特征,而沒有或很少關(guān)注反映愉悅度的音質(zhì)特征以及反映聽覺特性的Mel頻率倒譜系數(shù)(Mel-frequency Cepstral C

3、oeffients,MFCC)的問題,提出了結(jié)合韻律特征、音質(zhì)特征和MFCC特征的參數(shù)情感特征提取,并用主成分分析法對提取出的原始特征進(jìn)行降維和去冗余處理,最后用支持向量機(jī)進(jìn)行語音情感識別實驗,并進(jìn)行了分析。論文的主要研究內(nèi)容和工作包括以下幾個方面:
　　 (1)構(gòu)建情感語音數(shù)據(jù)庫。本文選取本身不帶有情感信息的12句文本,由10名在校學(xué)生分別用不同情感去朗讀,錄制了帶有高興、憤怒、驚奇和悲傷4種不同的情感的語音數(shù)據(jù)庫,為了進(jìn)一步

4、增強(qiáng)語音庫的情感真實性,又搜集了電影的、電視里的四種情感語句,最終形成了2440句情感語音作為實驗數(shù)據(jù)。
　　 (2)情感特征參數(shù)的分析與提取。情感的變化通過情感特征參數(shù)的差異而體現(xiàn)。本文分別從韻律特征、音質(zhì)特征和MFCC中提取特征參數(shù),韻律特征在聲學(xué)上通常由基音、振幅和語速等表示。在聲學(xué)上,音質(zhì)特征用共振峰體現(xiàn)和諧波噪聲比來體現(xiàn)。本文從語音的語速、基音頻率、振幅能量、共振峰、諧波噪聲比和MFCC等幾個方面提取語音情感特征參數(shù),

5、總共提取出韻律特征參數(shù)12個、音質(zhì)特征參數(shù)16個和MFCC特征參數(shù)12個共40個的原始特征參數(shù)。
　　 (3)基于主成分分析和支持向量機(jī)的語音情感識別實驗。語音情感識別屬于模式識別的一種,是建立在特征參數(shù)提取的基礎(chǔ)上。本文結(jié)合提取出的40個特征參數(shù),經(jīng)過主成分分析,使得到的新的特征向量各分量之間具有獨(dú)立性,去除了特征矢量之間的冗余,同時也降低了輸入的特征矢量的維數(shù),采用支持向量機(jī)進(jìn)行了情感識別,并對采用不同的特征參數(shù)的識別結(jié)果進(jìn)