基于流形學習與D-S證據(jù)理論的語音情感識別研究.pdf

1、語音情感識別是指利用計算機分析特定說話人的情感狀態(tài)及變化，進而確定其內(nèi)心情緒或思想活動，實現(xiàn)人機之間更自然更智能化的交互。語音情感識別的研究對于增強計算機的智能化和人性化，開發(fā)新型人機環(huán)境，以及推動心理學等學科的發(fā)展，有著重要的現(xiàn)實意義。本文首先綜述課題的研究背景，并分析目前國內(nèi)外已提出的語音信號預處理、情感特征的提取、特征降維以及語音情感識別方法。在此基礎上，本文主要研究了語音情感特征降維、情感識別過程中的一些關鍵問題，提出了一些改進

2、方法，并通過實驗進行了有效性驗證。本文的主要工作如下：
　　 (1)提出了基于增量流形學習的語音情感特征降維方法。由于語音情感特征參數(shù)較多，存在無關特征和冗余特征，本文提出基于增量流形學習的特征降維方法。該方法將從時間、振幅、基音、共振峰、MFCC系數(shù)以及Mel頻譜能量動態(tài)系數(shù)上提取的101個參數(shù)作為初始特征，用Isomap將訓練樣本集的特征維數(shù)降至目標維數(shù)，再用增量學習的方法求得測試樣本的低維特征，從而減少冗余信息的影響，提高

3、分類識別的準確率。
　　 (2)提出了多粒度情感語音分段方法。通常長語句的語音情感分析是按固定幀數(shù)或長度比例分段從而進行情感特征的提取和分析，這種分段方法對語音情感分析結(jié)果的融合實現(xiàn)較簡單，但未能充分考慮到語音情感信息完整體現(xiàn)。為了獲得更完整與更豐富的語音情感特征信息，本文提出多粒度的情感語音分段方法，即按固定長度比例分段和按韻律結(jié)構分段的兩種分段方法相結(jié)合，從而在這些分段的基礎上進行語音情感分析和融合。
　　 (3)基

4、于D-S證據(jù)理論的多粒度語段融合語音情感識別方法。分段完成后，得到的每個語段都被當成獨立的樣本來識別，原本的一個樣本會得到多個識別結(jié)果，這時需要利用信息融合技術將這多個結(jié)果組合成一個結(jié)果。本文提出基于D-S證據(jù)理論的多粒度語段融合語音情感識別方法，在每個語段識別完成后，利用D-S證據(jù)理論將屬于同一樣本的多個語段結(jié)果進行融合，得到樣本的識別結(jié)果。實驗結(jié)果表明，該方法具有較好的整體識別性能，有效地提高了語音情感的識別率。
　　 (4