資源描述：
《基于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)與識(shí)別方法研究》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(kù)。
1、分類號(hào)：!墼2l：絲．一．UDC：壁Q壘：§密級(jí)：壘五編號(hào)：!壁呈22墨!l壁墨Q5§江薄大擎碩士學(xué)位論文基于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)與識(shí)別方法研究SpeechEmotionFeatureLearningandRecognitionMethodBasedonSparseRepresentation指導(dǎo)教師王啟容作者姓名董俊健申請(qǐng)學(xué)位級(jí)別全目制王堂亟±專業(yè)名稱讓篡扭應(yīng)用擅盔論文提交日期2Q!壘生壘旦論文答辯日期2Q!壘生§旦2魚目學(xué)位授予單位和日期江菱太堂2Q!壘生魚且答辯委員會(huì)主席——評(píng)閱人獨(dú)創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文
2、中已注明引用的內(nèi)容以外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品成果，也不包含為獲得江蘇大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：童纜使圳牛年6月1日學(xué)位論文版權(quán)使用授權(quán)書江蘇大學(xué)、中國(guó)科學(xué)技術(shù)信息研究所、國(guó)家圖書館、中國(guó)學(xué)術(shù)期刊(光盤版)電子雜志社有權(quán)保留本人所送交學(xué)位論文的復(fù)印件和電子文檔，可以采用影印、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)容相一致，允許論文被查閱和借閱，同時(shí)授權(quán)中國(guó)科學(xué)技術(shù)信息研究所將本論文編入《中國(guó)學(xué)位論
3、文全文數(shù)據(jù)庫(kù)》并向社會(huì)提供查詢，授權(quán)中國(guó)學(xué)術(shù)期刊(光盤版)電子雜志社將本論文編入《中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》并向社會(huì)提供查詢。論文的公布(包括刊登)授權(quán)江蘇大學(xué)研究生處辦理。本學(xué)位論文屬于不保密口。學(xué)位論文作者簽名：董俊健汐呷年6月7日指導(dǎo)教師簽名：乏彳≥痙洲年占月f哆目江蘇大學(xué)碩士學(xué)位論文摘要語(yǔ)音情感識(shí)別旨在使用計(jì)算機(jī)技術(shù)來分析說話人的情感狀態(tài)及變化，進(jìn)而確定其內(nèi)心情緒狀態(tài)或變化，最終實(shí)現(xiàn)人機(jī)之間更自然、更和諧的交互過程。經(jīng)過十幾年的研究與發(fā)展，語(yǔ)音情感識(shí)別已經(jīng)取得了許多突破性的研究成果，有著廣泛的應(yīng)用前景。首先，本文將基于稀疏表示的非監(jiān)督學(xué)習(xí)算法應(yīng)用于語(yǔ)音情感特征學(xué)習(xí)，由于在非
4、監(jiān)督學(xué)習(xí)過程中使用的數(shù)據(jù)不帶類別標(biāo)簽，不需要昂貴的代價(jià)去獲取類別標(biāo)簽，因此與傳統(tǒng)的人工標(biāo)注類別并根據(jù)先驗(yàn)知識(shí)提取特征的方法相比，有著巨大的優(yōu)勢(shì)。其次，本文對(duì)現(xiàn)有稀疏表示識(shí)別方法進(jìn)行研究和分析，對(duì)用于稀疏表示識(shí)別的字典學(xué)習(xí)模型進(jìn)行改進(jìn)，以求獲得更高的識(shí)別精度。最后，本文實(shí)現(xiàn)了基于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)與識(shí)別原型系統(tǒng)。具體研究?jī)?nèi)容和成果列舉如下：(1)基于稀疏表示的語(yǔ)音情感特：征學(xué)習(xí)方謹(jǐn)÷。到目前為止，語(yǔ)音情感識(shí)別所提取的特征大多都是基于韻律特征及其衍生的參數(shù)，到底何種特征能夠較好的反映情感信息還沒有一個(gè)明確的結(jié)論，這使得根據(jù)人工先驗(yàn)知識(shí)提取情感特征的方式遇到了瓶頸。本文將基于稀疏表示的非
5、監(jiān)督學(xué)習(xí)算法(包括：稀疏自動(dòng)編碼器、稀疏玻爾茲曼機(jī)、K．均值聚類)用于語(yǔ)音情感特征學(xué)習(xí)，旨在從大量無標(biāo)簽的語(yǔ)音情感數(shù)據(jù)中學(xué)習(xí)到有區(qū)分度的語(yǔ)音情感特征表示，而不需要像提取傳統(tǒng)語(yǔ)音情感特征那樣需要大量的先驗(yàn)知識(shí)和昂貴的類別標(biāo)注代價(jià)。提出基于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)框架，從大量的底層特征中自動(dòng)學(xué)習(xí)到體現(xiàn)類別可區(qū)分性的語(yǔ)音情感特征，并對(duì)學(xué)習(xí)得到的特征進(jìn)行可視化。實(shí)驗(yàn)結(jié)果顯示：基于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)方法學(xué)習(xí)得到的特征表示比傳統(tǒng)情感特征的識(shí)別率高1％～7％，而且K．均值聚類方法得到特征表示的識(shí)別率要比其他兩種特征學(xué)習(xí)方法高l％～14％。(2)聯(lián)合懲罰字典學(xué)習(xí)的稀疏表示語(yǔ)音情感識(shí)別方法。最近，
6、稀疏表示識(shí)別方法在圖像和語(yǔ)音信號(hào)的識(shí)別任務(wù)中獲得了較高的識(shí)別率，并且對(duì)有遮擋的圖片和有環(huán)境噪音的語(yǔ)音信號(hào)有較好的的魯棒性。本文將基于字典學(xué)習(xí)的稀疏表示識(shí)別方法應(yīng)用于語(yǔ)音情感識(shí)別，提出聯(lián)合懲罰字典學(xué)習(xí)模型及相應(yīng)的識(shí)別準(zhǔn)則，給出該字典學(xué)習(xí)模型的優(yōu)化算法，最后給出聯(lián)合懲罰字典學(xué)習(xí)的稀疏表示語(yǔ)音情感識(shí)別方法，并和其他字典學(xué)習(xí)方法的識(shí)別結(jié)果進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，本文提出的SCECDL(Sub—codingandEntire—codingJointlyPenaltybasedDictionaryLearning)方法比其他字典學(xué)習(xí)方法識(shí)別率高1％～8％，比常用的語(yǔ)音情感識(shí)別方法SVM高4％～9％?；?/p>
7、于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)與識(shí)別方法研究(3)基于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)與識(shí)別原型系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。針對(duì)上述提出的基于稀疏表示的語(yǔ)音情感特征學(xué)習(xí)方法和聯(lián)合懲罰字典學(xué)習(xí)的稀疏表示語(yǔ)音情感識(shí)別方法，在Matlab2012a環(huán)境下開發(fā)了該原型系統(tǒng)。該原型系統(tǒng)主要包括情感語(yǔ)音庫(kù)的選擇、語(yǔ)音信號(hào)預(yù)處理、語(yǔ)音情感特征提取、字典學(xué)習(xí)和稀疏表示識(shí)別五個(gè)功能。關(guān)鍵詞：語(yǔ)音情感識(shí)別，稀疏表示，特征學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，稀疏表示識(shí)別，字典學(xué)習(xí)
