語音情感識別的關(guān)鍵技術(shù)研究.pdf

1、語音情感識別是人工智能領(lǐng)域的一個新興分支，在自然人機(jī)交互、多媒體分段與檢索、安全系統(tǒng)自動監(jiān)管等方面有著廣泛的應(yīng)用前景。語音情感識別過程包括語音信號預(yù)處理、聲學(xué)特征提取、特征向量降維處理和基于統(tǒng)計模型的情感識別。本文的工作主要集中于語音情感識別過程中的若干關(guān)鍵問題。提出情感語料庫的可視化方法、半監(jiān)督機(jī)制的語音情感識別、非線性特征降維算法ELE以及基于對話關(guān)聯(lián)矩陣的情感識別技術(shù)。 探討情感語料庫的采集、扔注和可視化技術(shù)。構(gòu)建包括表演

2、語料、引導(dǎo)語科和自然語料的中文情感語料庫CHAD。通過聽辨實(shí)驗(yàn)，分析和比較不同來源的語料。將情感語料的高維聲學(xué)特征通過Sammon's算法映射，得到二維可視化空間圖MASEMAP?；趫D中的位置分布分析語料的情感表達(dá)以及各情感間的獨(dú)立與依賴關(guān)系。 在分析各聲學(xué)特征及其提取算法的基礎(chǔ)上，改進(jìn)co-training算法，提出半監(jiān)督機(jī)制的語音情感識別。該算法結(jié)合時域特征和倒譜特，征，以未標(biāo)注語料擴(kuò)充訓(xùn)練語料集，提高情感識別率7.4％-

3、9.0％0通過改變未標(biāo)注語料的加入規(guī)則，減小出予錯誤接納未標(biāo)注語料造成的分類噪聲。 探究各種特征降維算法。在分析線性特征抽取算法的基礎(chǔ)上，提出一個分層次的語音情感識別系統(tǒng)。不同特性的語料采用不同的降維算法，提高系統(tǒng)的整體性能。在非特定人情感識別中取得78.7％-83.4％的識別率。提出ELE非線性流形學(xué)習(xí)算法?；跍y地距離估算法，高維特征點(diǎn)被投影到六維子空間中。同一情感狀態(tài)的特征點(diǎn)聚集在子空間的一個平面附近。該分布規(guī)律有利于情感

4、語料的分離?；贓LE的非特定人情感識別取得9％-26％的識別率提高，特定人的結(jié)果提高5％-20％0提出LDA-Ll-Rank特征選擇算法，并與PCA-Ll-Rank進(jìn)行對比實(shí)驗(yàn)。在語音情感識別中，引入結(jié)合類集和類對的特征選擇算法。綜合考慮優(yōu)于分離所有類別和某兩個類別的特征，兼顧全局和局部的特征分布特性?；谠撍惴ǖ姆翘囟ㄈ饲楦凶R別的平均Fl衡量提高3.2％-8.4％。 在純語音情感識別的基礎(chǔ)上，進(jìn)一步研究結(jié)合其他信息的情感識別

5、。采集和分析對話情感語料后，提窶對話情感關(guān)聯(lián)矩陣。對話雙方的情感約束提商了情感識別的正確率和魯棒性。結(jié)合人臉表情，實(shí)現(xiàn)雙模態(tài)情感識別。提出THMM模型及相關(guān)的Viterbi最路徑搜索算法和分段式K-means模型訓(xùn)練算法。通過設(shè)置通道權(quán)重最大化融合視覺和語音信息，取得91.9％的平均識別率，識別結(jié)果也更為魯棒。根據(jù)實(shí)用化的要求，調(diào)查噪聲環(huán)境下豹情感識別。疊加受控噪聲的情感語料在提取聲學(xué)特征后，采用本文提出的ELE算法進(jìn)行特征降維。優(yōu)于其