基于GMM-UBM-SVM中文情感語音識別的研究.pdf

1、人工智能就是讓機器能夠實現(xiàn)像人腦一樣思考和交流。作為國家“十二五規(guī)劃”重點發(fā)展的交叉學科研究領域越來越受到國內外研究者的重視。語音是人們在生活中最為常見的交流方式,話語中不僅包含了大量的信息,還包含了人們的感情和情緒變化,所以說語言是人類最高智能水平的體現(xiàn)。情感語音處理作為一個新的研究方向,與原始的語音信號處理相比,其更加注重于對語音中情感狀態(tài)和韻律特征的研究。情感語音識別作為情感語音處理研究中的一個組成部分,在實現(xiàn)人機自然交互方面有重

2、要的作用。論文研究情感語音識別方法,通過分析語音特征與情感狀態(tài)間的關聯(lián)關系,在原有的語音識別分類方法的基礎上,提出了一種新的情感語音分類識別方法。
　　論文主要創(chuàng)新點:
　　1、語音特征一直是情感語音識別的主要特征,本文針對實驗所使用的時長、能量、基頻和共振峰等常用語音特征的提取和構造方法進行了詳細的介紹。提取了情感語音中的能量、基頻、時長及共振峰參數(shù),并分析了以上參數(shù)與情感狀態(tài)間的關聯(lián)關系,結果表明以上語音特征均能較好的描

3、述所表達地情感,在不同情感狀態(tài)下同樣具有良好的區(qū)分性。該研究結果對于情感語音識別與情感語音合成的定量研究有一定的指導意義。
　　2、論文分析了當前常用的情感語音識別方法。針對于語音中的時序參數(shù)在SVM等固定維數(shù)分類模型中無法適用的問題,提出基于GMM-UBM-SVM的分類方法,使梅爾頻率倒譜系數(shù)(MelFrequencyCepstrumCoefficient,MFCC)等時序性語音特征參數(shù)能夠進行分類研究,實現(xiàn)了使用時序性語音特征

4、的中文情感語音識別。該方法主要是使用UBM(統(tǒng)一背景模型),MAP自適應出各情感語音的GMM模型,再合并各個高斯分布的均值參數(shù),得到統(tǒng)一維數(shù)的GMM超向量,從而把不固定維數(shù)的MFCC參數(shù)轉換成固定維數(shù)的GMM超向量,同時利用SVM良好的區(qū)分性來完成各情感語音的分類與識別。實驗表明,該方法較原有情感語音識別方法情感識別率有所提高。
　　本文提出的情感語音識別方法作為一種新的嘗試,具有一定的理論依據(jù)和實用效果,同時論文對實驗中所遇到的