基于上下文的語音情感特征提取及推理方法研究.pdf_第1頁
已閱讀1頁,還剩82頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、作為情感計算重要分支的語音情感識別,通過利用計算機及其它輔助設備分析和提取語音信號的情感特征參數(shù),進而分析情感狀態(tài)及狀態(tài)的變化規(guī)律,從而更大貢獻地提高人機交互技術的智能性和自然性。目前,基于孤立情感語句分析的語音情感識別研究已經(jīng)取得了非常優(yōu)異的成就,特別是已經(jīng)在通信、醫(yī)療、客服系統(tǒng)、遠程教育等領域得到大量應用,但在現(xiàn)實世界中,人的情感表達是連續(xù)流暢的,因此,針對連續(xù)語音的情感識別研究更加具有現(xiàn)實意義。本文正是針對人的說話具有連續(xù)性,前后

2、間是有規(guī)律的特點,提出從前后相鄰情感語句中提取上下文語音情感特征和考慮情感上下文信息的情感推理規(guī)則,并通過實驗論證其有效性和貢獻性。論文的主要工作如下:
   (1)提出基于聲學上下文的語音情感特征提取與分析。針對語句之間的情感存在相互關聯(lián)的特性,從聲學角度提出上下文動態(tài)情感特征、上下文差分情感特征、上下文邊緣動態(tài)情感特征和上下文邊緣差分情感特征共四類268維語音情感上下文特征以及這四類情感特征的提取方法,該方法是從當前情感語句

3、與其前面若干句的相鄰句中提取聲學特征,建立上下文特征模型,以此輔助傳統(tǒng)特征所建模型來提高識別率。其中,兩模型間采用基于模糊密度的多模型間的決策融合算法融合為一個完整的模型。最后,將該方法應用于語音情感識別,實驗結果表明,加入新的上下文語音情感特征后,六類典型情感的平均識別率為82.78%,比原有特征模型的平均識別率提高了約8.89%。
   (2)提出基于情感上下文的語音情感推理算法。針對在日常說話中,前后相鄰情感語句的情感變化

4、存在相互關聯(lián)的特性,提出基于情感上下文的情感推理算法。此算法首先利用待分析情感語句的傳統(tǒng)語音情感特征和上下文語音情感特征分別識別其所屬的情感狀態(tài),然后借助于情感交互矩陣以及兩類情感特征識別結果的置信度對待測試語句所屬的情感類別進行初次推理。在此基礎上,建立了一種語音情感上下文推理規(guī)則,利用該規(guī)則根據(jù)上下文情感狀態(tài)對待分析情感語句情感狀態(tài)進行調(diào)整,最終得出待分析情感語句所屬的情感類別。將此算法應用于語音情感識別,實驗結果表明,此算法使得6

5、類典型情感的識別效率均得到了提高,其中,連續(xù)語音的情感識別的最優(yōu)結果為75.10%,比單一模型的識別率提高了12.17%。
   (3)基于上下文的語音情感識別原型系統(tǒng)在Matlab2012a環(huán)境實現(xiàn)開發(fā)。主要實現(xiàn)的功能有語音信號的預處理、情感特征參數(shù)的提取及降維、模型的訓練和語句的情感識別,其代碼均由Matlab語言實現(xiàn)。最后,通過從不同庫、不同方面實驗結果的對比和分析,證明了本文提出的上下文語音情感特征和情感推理算法的可行性

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