語音情感特征提取與識別的研究.pdf

1、語音情感信息在人們?nèi)粘Ｉ詈凸ぷ鹘涣髦衅鹬匾饔?。語音情感的分析和識別作為人機接口智能化的重要指標，是實現(xiàn)人工智能的關鍵問題之一，已經(jīng)得到越來越多的學者關注，而且在諸多領域如遠程教育、刑偵破案、醫(yī)學領域、娛樂和服務業(yè)等得到應用。但是，目前語音情感識別的研究還存在較多的局限性，受到情感理論發(fā)展水平、語言自身的復雜性及相關學科的制約。因此，對語音情感識別的研究具有重要意義和應用價值。
　　 論文在與文本內(nèi)容無關的語音情感庫基礎上，

2、對情感特征的提取方法和識別兩方面進行了研究。主要工作內(nèi)容如下:
　　 (1)介紹了幾類影響較大的語音情感庫，研究了語音情感庫的建立方法，建立了高興、憤怒、生氣和平靜四種情感類型的語音庫，包含800條情感語句。
　　 (2)研究了采用希爾伯特黃變換分析信號的方法。采用經(jīng)驗模態(tài)方法分解語音情感信號，得到本征模態(tài)函數(shù)，對本征模態(tài)函數(shù)進行希爾伯特變換后得到希爾伯特譜，說明了希爾伯特黃變換能夠更好地反映信號的時頻分布;對語音情感信

3、號分別做經(jīng)驗模態(tài)分解EMD和改進算法EEMD分解，并通過對比分析，驗證了改進算法的抗混疊能力。
　　 (3)闡述了基音周期、共振峰頻率、線性預測倒譜系數(shù)和Mel頻率倒譜系數(shù)等情感特征的特性和提取方法。把集合經(jīng)驗模態(tài)分解EEMD和希爾伯特Hilbert邊際譜引入到非線性非平穩(wěn)的語音信號處理中。利用人耳的掩蔽效應和Hilbert邊際譜，本文提出了基于頻帶能量的情感邊際譜。基于EEMD的情感邊際譜在臨界頻段上分布更為集中和突出，可以有