情感语音信号特征分析与识别（可复制论文）.pdf

摘要在人与人的交流中,识别对方的情感状态是情感智能的一个重要内容。情感智能是人类智能的一个方面,对人的社会交往起着非常重要的作用。在传统的语音信号处理过程中,计算机没有被赋予理解操作者类交流之间的情感互动。语音情感信号处理就是要赋予计算机类似人一样的观察、理解语音信号中的情感本文首先从心理生理学的角度回顾了情绪理论的研究发展历程,给出了按照生理心理学的研究成果的针对情感语音研究中所面临的一些问题,对目前使用的一些情感语音数据库进行了分析,指出了不同系矩阵,然后将模糊综合判决同利用模糊熵的参数有效性度量相结合,对情感语句进行识别。实验结果表同时,协方差矩阵的推定误差将增大,从而降低判别的性能。因此,本文提出了一种新的修正二次判别函效果。在多模式情感实验中,选用“瓵”的缃类语音情感的识别。选择具有连本文研究了利用基音的统计模型信息来进行语音情感的识别方法。提出一种变窗的窗法估计方法对基音的统计模型进行估计,防止了分布模型在高频部分的抖动和低频部分的延伸。通过采用巴氏距的情绪和心情的能力,只能够理解语音信号的表层符号信息,而不能理解隐层情感信息,不能实现类似人信息,表达各种情感的能力。本文从认知、心理、生理、特征获取、模式识别等角度对情感语音识别进行了研究,取得了一些研究成果。不同的情绪分类方法,作为情绪模式识别的分类依据。类型的数据库各自的优点和缺点。在列举目前所存在的所有数据库的同时,从语音情感识别的角度对数据库的建立提山了一些观点,并将其作为我们创建中文情感语音数据库的基础。,我们得到了包括个单词样本,个短句样本,龀な庇锞溲镜中规模中文情感语音数据库。利用模糊熵的理论,本文提出了一种特征参数有效性度量手段。先得到特征参数相对于情感的模糊关明,结合参数有效性度量的模糊综合判决方法能较大提高语音信号的情感识别率,并高于常用的主元分析方法。汉语音节的韵律特征对情感表达起着非常重要的作用。本文提取情感语句中各元音区间的声学参数组成时序结构特征。由于元音数目的不同,对不同长短的语句的时序结构特征进行了规整。采用最长的句子为基准,将较短的句子的时序结构与基准对齐而进行规整,并提出了植煌墓嬲椒ā4车腝方法中,计算协方差矩阵所必要的乘法次数随着参数的维数增加,会导致计算量和内存所占容量变得很大。数。研究结果表明,利用了时序结构特征与采用修正二次函数相结合的方法,可以较高的提高语音情感识别效率。利用支持向量机,本文对语音情感识别的二分模式识别和多模式识别进行了研究。在二分模式的情感语音识别实验中,比较了线性映射和高斯核函数的映射方法。结果表明非线性的映射能够改善情感的分类续输出的函数作为软判决,然后选择具有最大输出值的类别作为最终的输出。将多模式的芯龇椒同椒ń斜冉希峁砻魇褂肧对语音情感进行识别效率大大高于其他识别方法。离春饬坎煌姆植寄P椭涞木嗬耄⒔飧鼍嗬胱魑DJ绞侗鸬牟问弧@用椒ǘ郧楦杏锪辖辛耸侗鹗笛椋峁砻骰舻耐臣颇P筒问囊肽芄唤厦飨缘奶岣咔楦杏
知识水坝***@pologoogle为您整理
关键词:语音信号处理情感识别模糊熵时序结构修正二次判别函数基音统计模型支持向量机性别音识别效率。基音和共振峰的衍生形式经常被用来作为特征参数进行语音信号的情感识别。这些参数和人的生理构造有着密切的关系,不同的性别上之间具有差异。为消除这些性别差异,本文提出了基于性别分离的特征参数规整方法。利用基于模糊熵的有效性度量方法对情感特征参数的有效性进行度量,表明消除性别差异使得特征参数具有更高的有效性。在识别过程中,首先利用男女性别的基音分布规律的差异进行性别分离,%。差异东南大学博士学位论文
知识水坝***@pologoogle为您整理
.,.,瓸.%.,.’,.籭.,’,
,东南大学博士学位论文∞.;..%.琈,珿瓵,’甌甌瓵;.:.
附图目录人类大脑结构示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯日本人的嗷厩楦械娜占浞植糩语音信号的波形旒、轨迹虵旒⋯⋯⋯⋯⋯⋯支持向量机二分模式识队悲伤捎冒褪暇嗬攵攘坎煌楦心P椭涞木嗬搿叭龉舱穹宓木怠尤侍宓牧=幽J健肭樾饔泄氐纳窬低辰峁埂基于和的基本情绪反应⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯..的实验中愤怒、中性、快乐、悲伤面部表情在三维空间的规律分布‘“⋯⋯⋯.提出的情绪三维模式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯煌楦邢碌拿娌勘砬椤嗤锪显诓煌楦邢碌牟ㄐ瓮肌情感语音信号样本的有效性检验流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯语音信号的波形⒄穹旒和能量轨迹