基于改進(jìn)GMM在語音情感識(shí)別中的研究.pdf

1、人機(jī)交互在現(xiàn)代社會(huì)越來越受關(guān)注，讓計(jì)算機(jī)識(shí)別人類情感狀態(tài)是實(shí)現(xiàn)智能互動(dòng)的基礎(chǔ)。語音是人類交往過程中信息交流、傳遞情感最自然有效的手段。語音情感識(shí)別研究不僅積極推進(jìn)多學(xué)科交叉研究，更在人機(jī)交互等領(lǐng)域有著廣泛的應(yīng)用前景。
　　 論文基于高斯混合模型對(duì)語音情感識(shí)別進(jìn)行研究，總結(jié)了語音情感識(shí)別研究的發(fā)展趨勢(shì)，深入分析了常用的情感特征參數(shù)及參數(shù)降維方法，通過改進(jìn)高斯混合模型解決不同的問題，實(shí)現(xiàn)了語音情感識(shí)別效果的改善。
　　 論文

2、的主要工作和創(chuàng)新點(diǎn)如下:
　　 (1)錄制了一個(gè)漢語情感語音數(shù)據(jù)庫，其中包含了高興，悲傷，憤怒，害怕和中性五種不同的情感。經(jīng)過實(shí)驗(yàn)證明，該數(shù)據(jù)庫能夠勝任語音情感識(shí)別的研究任務(wù)，為后續(xù)的語音情感識(shí)別研究提供了保障。
　　 (2)針對(duì)高斯混合模型在訓(xùn)練數(shù)據(jù)不足、特征空間維數(shù)超過一定限度情況下性能受到較大影響的問題，引入多重判別分析對(duì)原始特征空間降維，同時(shí)有效的減少自由參數(shù)的數(shù)目，并在模型訓(xùn)練中引進(jìn)Figueiredo-Jai

3、n算法解決了高斯分量個(gè)數(shù)的初始化難題。基于改進(jìn)高斯混合模型的分類器取得了較好的識(shí)別效果。
　　 (3)研究了高斯混合模型在樣本有限情況下出現(xiàn)過適應(yīng)的情形，引入基于Watson和Tellegen情感模型的距離度量，根據(jù)距離度量計(jì)算損失函數(shù)進(jìn)行間隔縮放，并利用半定規(guī)劃解決間隔縮放優(yōu)化問題，增強(qiáng)了模型的泛化能力，有效改善了訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)存在統(tǒng)計(jì)失配時(shí)的分類識(shí)別性能。
　　 (4)深入研究高斯混合模型處理不同長度時(shí)間序列的分