学位论文 > 优秀研究生学位论文题录展示

基于多重分形的语音情感识别研究

作　者: 张密霞
导　师: 叶吉祥
学　校: 长沙理工大学
专　业: 计算机应用技术
关键词: 语音情感识别语音情感特征多重分形广义Hurst指数
分类号: TN912.34
类　型: 硕士论文
年　份: 2011年
下　载: 8次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科学技术的快速发展,新型的人机交互(Human Machine Interaction, HMI)技术逐渐成为当前计算机科学领域的研究热点。语音情感识别的研究对于增强计算机的人性化和智能化,建立新型人机交互环境等具有重要的现实意义,并将产生很好的经济和社会效益。本文首先简述了课题的研究背景及文中的主要研究内容,回顾并分析了现阶段国内外语音情感识别中涉及的几个关键技术,包括情感的分类、情感语料库的建立、语音情感特征提取以及情感分类算法等。在此基础上,采用多重分形理论分析语音信号在高兴、生气、悲伤和平静4种不同情感状态下的混沌特性,进而提取了多重分形谱特征和广义Hurst指数作为新的情感特征参数参加语音情感识别。具体内容如下:(1)基于柏林实验室的德语语料库EMO-DB,观察并分析了在高兴、生气、悲伤和平静四种情感状态下,语音信号的基频、能量振幅、过零率、共振峰以及Mel倒谱系数MFCC等特征的变化规律。(2)提出了基于多重分形的语音情感特征参数的提取方法。介于传统情感语音特征缺乏对语音混沌特性的表征,采用多重分形理论通过分析不同语音情感状态下的多重分形特征,提取多重分形谱参数和广义Hurst指数作为新的语音情感特征参数。多重分形特征的引入,弥补了传统线性特征在刻画不同情感类型特征上的不足。(3)根据多重分形对将强度较高的情感(高兴和生气)与强度较低的情感(悲伤和平静)有良好区分度的特性,通过建立SVM二叉树的中间节点,实现对情感类别间的粗分类,保证了将容易混淆的情感类别划归为一组,以便深入分析不同情感状态之间的细微差别。进而采用贡献最大的特征矢量对中间节点上的每组情感再进行分类,其贡献值的确定由经验而得。最后,实现了较为理想的基于经验性特征的SVM二叉树语音情感识别。

全文目录

摘要 5-6ABSTRACT 6-10第一章绪论 10-16 1.1 选题背景及意义 10 1.2 国内外研究现状 10-12 1.2.1 语音情感识别研究现状 10-11 1.2.2 多重分形发展动态 11-12 1.3 语音情感识别概述 12-15 1.3.1 语音情感特征提取 12-14 1.3.2 特征选择 14 1.3.3 语音情感识别 14-15 1.4 论文组织结构 15-16第二章语音情感传统特征的分析与提取 16-24 2.1 情感的分类 16 2.2 情感语料库概况 16-18 2.3 语音信号预处理 18-19 2.3.1 预加重 18 2.3.2 分帧加窗 18-19 2.4 传统语音情感特征参数的分析与提取 19-23 2.4.1 基音频率 19-20 2.4.2 能量幅度 20-21 2.4.3 短时过零率 21 2.4.4 共振峰 21-22 2.4.5 MFCC 22-23 2.5 本章小结 23-24第三章多重分形及其在情感语音中的分析 24-33 3.1 分形理论 24 3.2 多重分形 24-26 3.2.1 多重分形定义 24-25 3.2.2 多重分形过程 25-26 3.3 广义Hurst 指数的估计 26-27 3.4 尺度函数τ( q) 、奇异指数a 及多重分形谱f ( a ) 之间的关系 27 3.5 语音情感多重分形分析 27-32 3.5.1 广义Hurst 指数的估计 29-30 3.5.2 多重分形谱分析 30-32 3.6 本章小结 32-33第四章基于多重分形和 SVM 的语音情感识别 33-42 4.1 支持向量机原理 33-36 4.1.1 最优分类面 33-35 4.1.2 SVM 核函数 35 4.1.3 SVM 多分类算法 35-36 4.2 基于SVM 一对一算法的语音情感识别 36-38 4.2.1 实验步骤及方法 36 4.2.2 实验结果及分析 36-38 4.3 基于二叉树SVM 的语音情感识别 38-41 4.3.1 SVM 二叉树的建立 38-39 4.3.2 基于多重分形的SVM 二叉树粗分类 39 4.3.3 基于经验性选择的SVM 细分类 39-40 4.3.4 实验结果分析与比较 40-41 4.4 小结 41-42第五章总结与展望 42-43 5.1 全文总结 42 5.2 研究展望 42-43参考文献 43-48致谢 48-49附录（攻读硕士学位期间发表录用论文） 49-50中英文摘要 50-58

基于多重分形的语音情感识别研究

内容摘要

全文目录

相似论文