基于ann和gmm融合的語音情感識(shí)別方法的研究

《基于ann和gmm融合的語音情感識(shí)別方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、學(xué)校代碼：１０２８６＿．據(jù)＼Ｘ．碩±學(xué)位論文基于ＡＮＮ和ＧＭＭ融合的語音情感識(shí)別方法的研究－弟研究生姓名Ｉ：表、導(dǎo)師姓名；Ｔ呵申請(qǐng)舉你類別工學(xué)柿＋學(xué)仿巧予單仿東南大學(xué)一級(jí)學(xué)科名疏信息與巧信工程論義答辯日期年４月２０１６ｆ日／二級(jí)學(xué)科名稱信Ｓ與信烏化巧學(xué)仿巧予日期２０１６達(dá)月曰答辯蠶員會(huì)豐席評(píng)閱人２０化年４月日來兩未嗦碩ｉ學(xué)位論文基于ＡＮＮ和Ｇ圓融合的語音情感巧別方法的研究是成１；?。崳妼I(yè)名觀作研究生姓名／：瓜才、

2、家嘴導(dǎo)師姓名：ＲＥＳＥＡＲＣＨＯＮＳ巧ＥＣＨＥＭＯＴＩＯＮＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＴＨＥＦＵＳＩＯＮＯＦＡＮＮＡＮＤＧＭＭＡＴｈｅｓｉｓＳｕｂｍｉ打ｅｄｔｏＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｇＢＹＳｕｅｒｖｉｓｅｄｂｐｙＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔＥｒｉｉｏｎＳｃｉｅｎｃｅａｎｄｎｇｉｎｅｅｎｇＳｏｕｔｈｅａｓｔＵｎｉｖ

3、ｅｒｓｉｔｙＡｐｒｉｌ２０１６東南大學(xué)學(xué)位論文獨(dú)詢性汚明圓本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，論，，除了文中特別加Ｗ標(biāo)注和致謝的地方外文中不包含其他人已經(jīng)發(fā)表或撰寫過的研巧成果也不包含為獲得東南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料一。與我同工作的同志對(duì)本研巧所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。研究生簽名：■束日期：Ｗ八乂＿至東南大學(xué)學(xué)位論文使用授權(quán)寅明東南大學(xué)、中國科學(xué)技術(shù)信息研巧所、國家圖書

4、館有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可Ｗ采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一，可Ｗ公布（包括Ｗ電子信息形式刊登）致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱論文的全部內(nèi)容或中、英文摘要等部分內(nèi)容。論文的公布（包括Ｗ電子信息形式刊登）授權(quán)東南大學(xué)研巧生院辦理。研究生簽名：導(dǎo)師簽名：：二日期＾摘要—人機(jī)交互是人與計(jì)算機(jī)之間使用某種對(duì)話語言，Ｗ定的交互方式，為完成確定任務(wù)的人與計(jì)算機(jī)之間的信息交換過程，是汁算機(jī)智能的重要

5、體現(xiàn)，同時(shí)也可Ｗ讓計(jì)算機(jī)更好的為人類服務(wù)。語一音情感識(shí)別對(duì)發(fā)展人機(jī)交互來說至關(guān)重要。目前，語音情感識(shí)別的研巧是口綜合認(rèn)知科學(xué)、生理學(xué)、也理學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)等多學(xué)科的熱點(diǎn)研究課題，正越來越受到國內(nèi)外科研機(jī)構(gòu)和研究人員的重視。本文主要圍繞人工神經(jīng)網(wǎng)絡(luò)和高斯混合模型展開語音情感識(shí)別的研巧，在原有結(jié)構(gòu)模型的基礎(chǔ)上從算法層面入手提出改進(jìn)的方法，Ｗ期提富相關(guān)模型的識(shí)別精度和識(shí)別效率，并在文章最后提出了一種髙斯混合模型和神經(jīng)網(wǎng)絡(luò)混合的語音情感識(shí)別模型。本論文的主要研究內(nèi)容和創(chuàng)新點(diǎn)如下：（１）闡

6、述了語音情感識(shí)別的研究背景與意義，總結(jié)了當(dāng)前國內(nèi)外的研究現(xiàn)狀，并對(duì)當(dāng)前有待深入研巧和亟待解決的理論和技術(shù)問題進(jìn)行了說明。一些基礎(chǔ)知識(shí)（２）概述了與情感相關(guān)的，包括情感的定義與情感的分類。設(shè)計(jì)并錄制了漢語語音情感數(shù)據(jù)庫，該庫包含高興、憤怒、驚訝、悲傷等四種基本情感，且全部語音樣本都經(jīng)過有效性檢驗(yàn)Ｗ確保數(shù)據(jù)符合規(guī)范。完成了語音情感識(shí)別過程中需要進(jìn)行的預(yù)處理工作，銜述了本文所用到的情感特征參數(shù)的提取方式Ｗ及情感特征向量的舊一化方法。（３）研究了基于Ｅｌｍａｎ神經(jīng)網(wǎng)絡(luò)的語音情感識(shí)別，并運(yùn)用萬有引力

7、搜索算法（ＧｒａｖｉｔａｔｉｏｎａｌＳｅａｒｃｈＡｌｇｏｒｉｔｈｍ，ＧＳＡ）對(duì)Ｅｌｍａｎ網(wǎng)絡(luò)進(jìn)斤優(yōu)化，算法的核也思想是運(yùn)用萬有引力定律通過位置尋優(yōu)來不斷更新網(wǎng)絡(luò)的權(quán)值參數(shù)，最終實(shí)現(xiàn)網(wǎng)絡(luò)的最優(yōu)化。（４）介紹了離斯混合模型（ＧＭＭ）的ＥＭ化化算法，并分析了傳統(tǒng)ＥＭ算法的缺點(diǎn)。由此本一一文研巧了種基于改進(jìn)的ＧＭＭ算法的語音情感識(shí)別方法，該算法通過設(shè)定個(gè)初始ＧＭＭ模型，運(yùn)用迭代方式不斷修正Ｍ值和ＧＭＭ網(wǎng)絡(luò)的參數(shù)，直至得到最終的ＧＭＭ模型。（５）研巧了ＧＭＭ和深度信念網(wǎng)絡(luò)融合的語音情感識(shí)別方法。

8、在受限玻爾茲曼機(jī)（ＲｅｓｔｒｉｃｔｅｄＢｏｌｔｚｍａｎｎＭａｃｈｉｎｅｓ，ＲＢＭ）模型基礎(chǔ)上構(gòu)建深度信念網(wǎng)絡(luò)化ｅｅｐＢｅｌｉｅｆＮｅｔｗｏｒｉｃ，ＤＢＮ），最后提出了一種多維ＧＭＭ輸出與深度信念神經(jīng)網(wǎng)絡(luò)相融合的方法實(shí)現(xiàn)語音情感識(shí)別。：語音情感識(shí)別，，，關(guān)隹字，埃爾曼遞歸神經(jīng)網(wǎng)絡(luò)萬有引力算法高斯混合模型深度信念網(wǎng)絡(luò)ＩＡｂｓｔｎｃｔＡｂｓｔｒａ