基于核分析方法的語音情感識別的研究.pdf

1、隨著信息技術的發(fā)展和人機交互研究的深入，實現(xiàn)計算機智能識別人類情感變得越來越重要，它也是實現(xiàn)人工智能的基礎。語音信號是人與人之間交流的重要方式之一，它的作用不僅僅是傳遞語義，而且它還承載了說話者的個人情感特征。語音情感識別是一個涉及多學科交叉的研究領域，它在實際的生產(chǎn)生活中具有廣泛的應用前景。
　　本文主要對基于核方法模型的語音情感識別進行了研究，回顧了語音情感理論的研究歷程和發(fā)展歷程，構建了漢語語音情感庫，分析了常用的語音情感特

2、征和降維方法，并且將改進的核方法用在情感識別當中，提高了情感識別的準確度。
　　論文的主要工作和創(chuàng)新點如下:
　　(1)簡述了語音情感識別的研究背景和研究意義，對情感的定義、語音的產(chǎn)生過程、以及常用的情感特征和識別模型等進行了概括和總結。
　　(2)錄制了實驗室的五種基本情感的漢語情感語音庫，其中包含了憤怒、害怕、悲傷、中性、高興五種情感，并經(jīng)過聽辨實驗保證了數(shù)據(jù)的可靠性和有效性，該語音庫為后續(xù)的實驗提供了實驗素材。對

3、語音數(shù)據(jù)進行了預處理，提取了情感特征，包括能量、基音頻率、Mel頻率等參數(shù)，組成了情感特征矢量，用于后續(xù)的情感識別實驗中。
　　(3)針對一般的主元分析只能解決線性可分的樣本分類問題，引入核函數(shù)變換，將數(shù)據(jù)映射到高維空間后再進行主元分析，提高了識別效率;由Fisher線性鑒別分析的原理，引入了典型相關分析(CCA)和核主元分析相結合的方法解決類內(nèi)散度矩陣奇異的問題，實驗證明該方法對于情感識別具有良好的識別效果。
　　(4)研

4、究了支持向量機與核方法相結合的語音情感識別，將核方法應用到支持向量機上能夠使分類器的性能更加強大。由于奇異或者含有噪聲的樣本可能會影響超平面方程的訓練，出現(xiàn)過擬合的情況，通過PIM（partition index maximization）訓練算法引入模糊因子，改進基于核方法的支持向量機，將PIM-FSVM應用到情感識別之中，從而減小過擬合的發(fā)生概率，改善了分類器的性能。
　　(5)由于核函數(shù)的形式對于情感識別的有著很大的影響，因