基于GMM-UBM-SVM中文情感語音識別的研究.pdf

1、人工智能就是讓機器能夠?qū)崿F(xiàn)像人腦一樣思考和交流。作為國家“十二五規(guī)劃”重點發(fā)展的交叉學(xué)科研究領(lǐng)域越來越受到國內(nèi)外研究者的重視。語音是人們在生活中最為常見的交流方式,話語中不僅包含了大量的信息,還包含了人們的感情和情緒變化,所以說語言是人類最高智能水平的體現(xiàn)。情感語音處理作為一個新的研究方向,與原始的語音信號處理相比,其更加注重于對語音中情感狀態(tài)和韻律特征的研究。情感語音識別作為情感語音處理研究中的一個組成部分,在實現(xiàn)人機自然交互方面有重

2、要的作用。論文研究情感語音識別方法,通過分析語音特征與情感狀態(tài)間的關(guān)聯(lián)關(guān)系,在原有的語音識別分類方法的基礎(chǔ)上,提出了一種新的情感語音分類識別方法。
　　論文主要創(chuàng)新點:
　　1、語音特征一直是情感語音識別的主要特征,本文針對實驗所使用的時長、能量、基頻和共振峰等常用語音特征的提取和構(gòu)造方法進行了詳細的介紹。提取了情感語音中的能量、基頻、時長及共振峰參數(shù),并分析了以上參數(shù)與情感狀態(tài)間的關(guān)聯(lián)關(guān)系,結(jié)果表明以上語音特征均能較好的描

3、述所表達地情感,在不同情感狀態(tài)下同樣具有良好的區(qū)分性。該研究結(jié)果對于情感語音識別與情感語音合成的定量研究有一定的指導(dǎo)意義。
　　2、論文分析了當(dāng)前常用的情感語音識別方法。針對于語音中的時序參數(shù)在SVM等固定維數(shù)分類模型中無法適用的問題,提出基于GMM-UBM-SVM的分類方法,使梅爾頻率倒譜系數(shù)(MelFrequencyCepstrumCoefficient,MFCC)等時序性語音特征參數(shù)能夠進行分類研究,實現(xiàn)了使用時序性語音特征

4、的中文情感語音識別。該方法主要是使用UBM(統(tǒng)一背景模型),MAP自適應(yīng)出各情感語音的GMM模型,再合并各個高斯分布的均值參數(shù),得到統(tǒng)一維數(shù)的GMM超向量,從而把不固定維數(shù)的MFCC參數(shù)轉(zhuǎn)換成固定維數(shù)的GMM超向量,同時利用SVM良好的區(qū)分性來完成各情感語音的分類與識別。實驗表明,該方法較原有情感語音識別方法情感識別率有所提高。
　　本文提出的情感語音識別方法作為一種新的嘗試,具有一定的理論依據(jù)和實用效果,同時論文對實驗中所遇到的