基于特征融合的語音情感識(shí)別方法的研究

《基于特征融合的語音情感識(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、密級(jí)：．．徐—、＾ｕＤＣ：／峰而Ｖ學(xué)號(hào)■：１３０６９０．一；Ｉ蘭；；；；雨一化面１１義ｙ｜’’－七；．，辦．，，秉兩大寒躬泌碩±學(xué)位論文基于特征融合的語音情感識(shí)別方法的研究研究生姓名：巨曉正導(dǎo)師姓名：趙力申請(qǐng)學(xué)位類別工學(xué)碩±學(xué)位授予單仿東南大學(xué)一級(jí)學(xué)科名稱倍烏與巧信工巧論義答辯日期２０１６年月日二級(jí)學(xué)科名稱信號(hào)與信息化巧學(xué)位授予日期２０１６年月日答辯委員會(huì)主席、人菜若（么夸則評(píng)閱＇旁／卻２０１６年月日

2、乘兩大聲碩±學(xué)位論文基于特征融合的語音情感識(shí)別方法的研究專業(yè)名稱：信息與通信工程研究生姓名：巨曉正導(dǎo)師姓名：趙力ＴＨＥＲＥＳＥＡＲＣＨＯＦＳＰＥＥＣＨＥＭＯＴＩＯＮＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＴＨＥＦＵ別ＯＮＦＥＡＴＵＲＥＳＡＴｈｅｓｉｓＳｕｂｍｉ打ｅｄｔｏＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｇｒｅｅｏｆＭａｓ１；ｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇＢＹＪｕＸｉａｏｚｈｅｎｇＳｕ

3、ｅｒｖｉｓｅｄｂｙｐＰｒｏｆ．ＺｈａｏＬｉＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｉｎｅｅｒｉｎｇｇＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＡｐｒｉｌ２０１６東南大學(xué)學(xué)位論義獨(dú)創(chuàng)性聲明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，除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得東南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使巧過的材料一。與我同工作的同志對(duì)本研究所做的

4、任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。２．＾＾＾－其少研究生簽名：－２曰月：東南大學(xué)學(xué)位論文使用巧權(quán)聲明東南大學(xué)、中國科學(xué)技術(shù)信息研究所、國家圖書館有權(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采用影印本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相、縮印或其他復(fù)制手段保存論文一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可Ｗ公布（包巧Ｗ化子佔(zhàn)息形乂刊登）論文的全部內(nèi)巧或中、英文摘要巧部分內(nèi)容。論文的公布（包巧電子信息形式刊登）授權(quán)東南大學(xué)研究生院辦理。文令幣日期．研究生

5、簽名；八ｉ‘：＾ｉ中＾摘要情感識(shí)別是情感計(jì)算的重要組成部分，近年來關(guān)于情感識(shí)別的研究越來越受到重視，而語音作為人類日常生活中最重要的交流方式之一，其中蘊(yùn)含著豐富的情感信息，因此有關(guān)語音情感識(shí)別的研究意義重大。語音情感識(shí)別技術(shù)有助于改善計(jì)算機(jī)的人機(jī)交互能力，具有極為廣闊的應(yīng)用前景。本文主要研究了基于特征融合的語音情感識(shí)別方法、，提取了譜特征韻律特征、音質(zhì)特征等，對(duì)其。情感識(shí)別能力進(jìn)行了分析，并提取了近似最優(yōu)特征子集用于后續(xù)研究特征融合指的是將譜特征、韻律特征，未、音質(zhì)特征等不同特征類型進(jìn)

6、行結(jié)合。傳統(tǒng)特征融合方式只是特征降維后的簡單組合能對(duì)各特征類型在分類能力上的差異進(jìn)行深入探索與利用，本文借鑒數(shù)據(jù)融合的相關(guān)概念，分別從判決層融合與特征層融合兩個(gè)角度出發(fā)提升了特征融合系統(tǒng)的識(shí)別效率。其中判決層融合使用了改－ＫＮＮ模型與自適應(yīng)權(quán)值算法進(jìn)核函數(shù)的ＳＶＭ，特征層融合使用了深信度網(wǎng)絡(luò)（ＤＢＮ），這些方法的應(yīng)用成功提高了語音情感識(shí)別系統(tǒng)的識(shí)別率。本論文的主要研究內(nèi)容和創(chuàng)新點(diǎn)如下：（１），并總結(jié)了情感描述模型闡述了語音情感識(shí)別的研究背景和意義、情感數(shù)據(jù)庫、情感特征參數(shù)、特征降維及情感分類算法等

7、方面的國內(nèi)外研究現(xiàn)狀。（２）設(shè)計(jì)并錄制了包含高興、憤怒、悲傷、害怕、平靜五種情感語音的語音數(shù)據(jù)庫，并對(duì)其中１數(shù)據(jù)進(jìn)行了檢驗(yàn)與聽辨測(cè)試，保證數(shù)據(jù)的有效性，從２６維特。對(duì)語音信號(hào)進(jìn)行了預(yù)處理中提取了征用于實(shí)驗(yàn)研究。（３）基于Ｆｉｓｈｅｒ相關(guān)算法、最大相關(guān)最小冗余算法進(jìn)行了特征比較與傳統(tǒng)特征融合。本文利用Ｆｉｓｈｅｒ相關(guān)準(zhǔn)則對(duì)所提取的譜特征、韻律特征、音質(zhì)特征的情感識(shí)別能力進(jìn)行了分析比較，并采一利用最大相關(guān)最小冗余用ＬＤＡ變換后的散點(diǎn)圖與ＫＮＮ兩種方法對(duì)其進(jìn)行了進(jìn)步分析；（ＭＲＭＲ）算法獲得了特征

8、降維后的融合特征集，實(shí)現(xiàn)了傳統(tǒng)特征融合。－（４）研究了基于核函數(shù)改進(jìn)的ＳＶＭＫＮＮ自適應(yīng)權(quán)值判決層融合方法。本文首先構(gòu)建了ＳＶＭ－ＫＮＮ分類器ＳＳ－，然后基于組合核函數(shù)與量子群尋優(yōu)算法改進(jìn)了ＶＭ的核函數(shù)，提升了ＶＭＫＮＮ的判決性能，最后使用自適應(yīng)權(quán)值算法對(duì)分類器結(jié)果進(jìn)行融合即判決層融合，提高了系統(tǒng)的語