基于核函數(shù)的語音情感識別技術(shù)的研究.pdf

1、作為情感計(jì)算的一個(gè)重要分支，情感識別在近年來引起了國內(nèi)外研究者的廣泛關(guān)注。語音作為人類交流的重要方式之一，承載著說話人大量的情感信息。語音情感識別技術(shù)能夠使計(jì)算機(jī)通過語音信號識別說話人的情感狀態(tài)，實(shí)現(xiàn)更和諧的人機(jī)交互，在實(shí)際生活中具有非常廣闊的應(yīng)用前景。本文主要研究了基于核函數(shù)的語音情感識別，將核方法引入傳統(tǒng)的模式識別算法中，進(jìn)一步提高算法的非線性處理能力，并針對相應(yīng)的算法提出若干改進(jìn)應(yīng)用于語音情感識別中。本論文的主要研究內(nèi)容和創(chuàng)新點(diǎn)如

2、下:
　　(1)闡述了語音情感識別的研究背景和意義，并總結(jié)了情感描述模型、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方面的國內(nèi)外研究現(xiàn)狀。
　　(2)設(shè)計(jì)并錄制漢語語音情感數(shù)據(jù)庫，該庫包含高興、憤怒、悲傷、害怕、平靜等五種基本情感下的語音，且全部語音樣本都經(jīng)過有效性檢驗(yàn)以確保數(shù)據(jù)符合規(guī)范。對數(shù)據(jù)庫中的語音信號進(jìn)行預(yù)處理工作，并提取出語速、能量和幅度、基頻、共振峰、MFCC等參數(shù)組成情感特征矢量并分析不同情感狀態(tài)下參數(shù)

3、的變化規(guī)律，為后續(xù)語音情感實(shí)驗(yàn)做好基礎(chǔ)工作。
　　(3)提出一種核C均值聚類與核K近鄰分類相結(jié)合的算法用于語音情感識別中，該算法利用核映射將原輸入空間映射到高維特征空問，在特征空間內(nèi)進(jìn)行C均值聚類構(gòu)造代表性的情感模板，再利用K近鄰算法對測試樣本分類。該算法不僅利用了核方法提高分類器的非線性處理能力，還克服了傳統(tǒng)核K近鄰分類時(shí)需要計(jì)算測試樣本與所有訓(xùn)練樣本間距離的缺點(diǎn)，提高了分類速度。為了進(jìn)一步提高該算的識別正確率，本文還將模糊集的

4、理論引入該算法中，通過構(gòu)造模糊聚類得到更優(yōu)的情感聚類集合并在近鄰分類時(shí)通過構(gòu)造隸屬度函數(shù)使測試樣本以不同程度隸屬于各個(gè)情感類別，得到更加符合實(shí)際情況的分類結(jié)果。最終實(shí)驗(yàn)表明，該算法具有更有效的識別效率。
　　(4)提出將核稀疏表示分類算法應(yīng)用在語音情感識別中，該算法利用核映射機(jī)制將傳統(tǒng)稀疏表示分類器推廣到核稀疏表示分類器，克服了稀疏表示分類器不能有效解決非線性問題的缺點(diǎn)，使測試樣本更準(zhǔn)確地表示為訓(xùn)練樣本的一個(gè)稀疏線性組合。最后利用

5、局部編碼的思想對該算法進(jìn)行改進(jìn)，提出一種基于局部約束的加權(quán)核稀疏表示分類算法，與核稀疏表示分類算法相比，該算法能夠使測試樣本用更多近鄰的訓(xùn)練樣本進(jìn)行稀疏表示，在一定程度上能夠提高分類的準(zhǔn)確度。
　　(5)對支持向量機(jī)中的核函數(shù)進(jìn)行了深入研究并提出改進(jìn)，為了突出了不同特征對分類作用的差異性，本文將特征重要程度的信息融入多項(xiàng)式核函數(shù)和高斯核函數(shù)中，然后利用改進(jìn)后的多項(xiàng)式核函數(shù)和高斯核函數(shù)組成組合核函數(shù)，最后再通過優(yōu)化算法尋找最優(yōu)核參數(shù)