基于“產(chǎn)生-判別”混合模型的語音情感識別研究.pdf

1、近年來,隨著信息技術(shù)的高速發(fā)展和人類對計算機(jī)的依賴性不斷增強(qiáng),智能化的人機(jī)交互技術(shù)越來越得到人們的重視。鑒于情感在人類的感知、決策等過程扮演著重要的角色,讓計算機(jī)具有識別情感的能力也就成為了智能人機(jī)交互的一個重要前提。語音作為人類最重要的交流媒介,攜帶著很豐富的情感信息,因而如何從語音中自動識別說話者的情感狀態(tài)也就受到了各領(lǐng)域研究者的廣泛關(guān)注。語音情感識別可以看成是一個模式識別的問題。到目前為止,大部分模式識別和分類的方法都被嘗試用于進(jìn)

2、行語音中情感的自動識別,并且新的方法的應(yīng)用層出不窮。這些用于語音情感識別的方法可以分為兩種:產(chǎn)生式模型和判別式模型。產(chǎn)生式模型精于對情感語音的內(nèi)在分布進(jìn)行建模,有較好的魯棒性,但是不能直接優(yōu)化分類結(jié)果,識別率不是很高。判別式模型精于對各情感類別間的分界面進(jìn)行建模,有較好的分類效果但是忽略了情感的動態(tài)變化特性。本文嘗試將這兩種模型進(jìn)行融合,提出了基于“產(chǎn)生／判別”混合模型的語音情感識別方法。
　　 本文首先簡要介紹了語音情感識別的

3、相關(guān)背景和研究現(xiàn)狀,然后詳細(xì)介紹了語音情感識別的基本理論,包括情感定義、分類、語料庫、預(yù)處理和特征提取。接著對產(chǎn)生式模型和判別式模型作了介紹,并重點研究了產(chǎn)生式模型HMM、GMM和判別式模型SVM在語音情感識別中的應(yīng)用。對基于產(chǎn)生式模型的語音情感識別提取了三組短時特征并對其分類效果進(jìn)行了比較,同時對兩種產(chǎn)生式模型HMM、GMM的情感分類效果進(jìn)行了分析。對基于判別式SVM模型的語音情感識別提取了63維的全局統(tǒng)計特征,為了避免維數(shù)過高帶來的

4、計算復(fù)雜度以及去除冗余特征,特運用Fisher準(zhǔn)則將得到的高維特征矢量進(jìn)行特征選擇,最終獲得12個最佳的全局統(tǒng)計特征,并在此基礎(chǔ)上進(jìn)行了一系列對比實驗。最后,對產(chǎn)生式模型與判別式模型在語音情感識別中的應(yīng)用進(jìn)行了總結(jié),分析了兩者的優(yōu)勢和不足之處,并說明了將產(chǎn)生式模型和判別式模型結(jié)合用于語音情感識別的必要性。基于此本文提出了二種混合模型方案:第一種是獨立訓(xùn)練兩種模型然后進(jìn)行乘法規(guī)則、置信度規(guī)則融合,其特別之處是對SVM進(jìn)行改進(jìn)使其產(chǎn)生概率輸