基于人耳聽覺特性的譜能量特征及其在情感語音識(shí)別中的應(yīng)用.pdf

1、情感語音識(shí)別作為語音信號(hào)處理領(lǐng)域的一個(gè)重要的研究分支，在繼承傳統(tǒng)的語音信號(hào)處理技術(shù)的特點(diǎn)的同時(shí)，也與人類心理學(xué)、語音學(xué)、聲學(xué)等多個(gè)學(xué)科相互滲透、交叉而形成語音處理領(lǐng)域中的一個(gè)熱門的研究點(diǎn)。所謂情感語音識(shí)別就是賦予計(jì)算機(jī)一定的智能，使其能夠正確地判斷出所輸入語音的情感狀態(tài)。目前，隨著計(jì)算機(jī)科學(xué)技術(shù)以及通信技術(shù)的快速發(fā)展，情感語音識(shí)別在人機(jī)智能交互方面也有著重要的理論意義和應(yīng)用前景。
　　 本文研究的主要內(nèi)容是提取基于人耳聽覺特性的

2、譜能量特征，并在此基礎(chǔ)上進(jìn)行了幾種優(yōu)化性改進(jìn)。論文中采用的數(shù)據(jù)庫為 TYUT情感語音庫和EMO-DB情感語音庫，其中TYUT情感語音庫包含中文和英文兩種語種，EMO-DB情感語音庫只包含德語語種。后續(xù)識(shí)別模型采用支持向量機(jī)。
　　 本文首先介紹并分析比較了LPCC、MFCC和ZCPA等幾種經(jīng)典的特征參數(shù)，然后分別就漢語、英語和德語三種語種設(shè)計(jì)了情感識(shí)別實(shí)驗(yàn)，并將實(shí)驗(yàn)結(jié)果作為后續(xù)所研究特征的參照。接著研究了基本的譜能量特征：AUS

3、EES特征和AUSEEG特征，由于AUSEES特征和AUSEEG特征采用線性平均頻帶劃分方法，不符合人耳聽覺特性，所以本文采用模擬人耳聽覺特性的Bark尺度和ERB尺度兩種頻帶劃分方法對基本的AUSEES、AUSEEG特征進(jìn)行了改進(jìn)，得到基于人耳聽覺特性的兩類四種譜能量特征：AUSEES-Bark、AUSEEG-Bark和AUSEES-ERB、AUSEEG-ERB。將改進(jìn)后的譜能量特征應(yīng)用到情感語音識(shí)別中，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的新特征的

4、情感識(shí)別率明顯提高，其中采用Bark尺度頻帶劃分的譜能量特征的情感識(shí)別率相對最高，對不同語種的識(shí)別性能最穩(wěn)定性。
　　 然后，本文后續(xù)工作以AUSEES-Bark、AUSEEG-Bark兩種特征為主要研究對象提出了兩種改進(jìn)方法。首先利用LPCC參數(shù)主要反映聲道響應(yīng)的優(yōu)點(diǎn)對AUSEEG-Bark特征進(jìn)行了補(bǔ)償改進(jìn)，然后運(yùn)用Teager能量算子對能量在不同頻段上的搬移作用對AUSEES-Bark、AUSEEG-Bark特征進(jìn)行了優(yōu)化