特定人语音情感识别研究

论文摘要

随着人工智能技术的飞速发展，人们已经不满足于计算机能够播放多媒体信息，而且还希望它拥有“感知”人们情感的能力。因此，针对语音情感计算的研究日益被人们所重视。本文研究的是语音情感识别问题。研究工作包括以下几项内容：1.建立了一个面向呼叫中心应用的情感语音数据库。在北京信息科技大学邀请了17名表演能力较强的学生，按照已经设计好的剧本，在不同的房间用电话模拟呼叫中心接线员与顾客的对话。该数据库包含了呼叫中心场景中常见的生气、着急、中性、高兴、愉悦5种情感。2.对多年来研究人员使用的语音情感特征进行总结并提取。选取有效的情感特征是情感识别的关键。全局统计特征方面，通过阅读国内外相关文献，调查了大量已经使用过的情感特征，总结得到了包括基音频率、能量、共振峰等在内的13种特征并计算它们的统计学特征及一阶差分特征。3.提出了一种基于主成分分析(PCA)的特征选择方法。对于全局统计特征，必须要用一种方法来评估特征的优劣。因此，提出了一种基于PCA的特征选择方法。对原始特征先进行PCA变换，然后分析变换矩阵对原始特征进行选择。4.实现了一个演示系统。该系统主要针对特定人各种情感语音的训练和识别，效果良好；同时，也提供了针对非特定人的情感模型，保留了对任意说话人进行情感识别的功能。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 研究背景与意义
• 1.1.1 情感及其表现形式
• 1.1.2 研究现状
• 1.1.3 应用领域
• 1.2 研究及工程任务概述
• 1.3 论文的组织结构
• 第2章 面向呼叫中心的汉语情感语音数据库的建立
• 2.1 情感状态描述
• 2.1.1 离散的情感表示方法
• 2.1.2 连续维度的情感表示方法
• 2.2 情感语音的获取途径
• 2.3 情感语音数据库的建立
• 2.3.1 情感状态的选择
• 2.3.2 剧本设计
• 2.3.3 情感语音的采集
• 2.3.4 听取实验
• 2.3.5 情感语音的标注规则
• 2.4 本章总结
• 第3章 语音情感特征提取
• 3.1 情感特征参数与情感的关系
• 3.2 情感特征提取
• 3.2.1 各类情感特征参数概述
• 3.2.2 全局统计特征
• 3.3 本章总结
• 第4章 基于 PCA 的特征选择方法
• 4.1 PCA 及其特征选择方法介绍
• 4.1.1 PCA 基本原理简介
• 4.1.2 基于 PCA 的特征选择方法
• 4.2 情感语音数据库介绍
• 4.3 利用 PCA 特征选择方法进行特征选择
• 4.3.1 全局统计特征提取
• 4.3.2 确定合理的主成分个数
• 4.3.3 确定特征子集
• 4.3.4 特征子集识别率检验
• 4.4 语音情感特征探究
• 4.4.1 特征提取
• 4.4.2 改进的基于 PCA 的特征选择方法
• 4.4.3 实验过程和结果
• 4.5 本章总结
• 第5章 情感识别演示系统的建立
• 5.1 情感识别演示系统介绍
• 5.2 系统架构介绍
• 5.2.1 训练模块介绍
• 5.2.2 识别模块介绍
• 5.3 本章总结
• 第6章 总结与展望
• 6.1 论文工作总结
• 6.2 研究工作展望
• 参考文献
• 附录 A 经典分类器的介绍
• A.1 高斯混合模型（GMM）介绍
• A.2 支持向量机（SVM）介绍
• A.3 BP 神经元网络介绍
• 附录 B 演示系统的使用说明
• B.1 演示系统的介绍
• B.2 演示系统的使用方法
• 个人简历、在学期间发表的学术论文及研究成果
• 致谢