語音情感特征提取與識別的研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論