本文關(guān)鍵詞：基于HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的漢語(yǔ)語(yǔ)音情感識(shí)別，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著人機(jī)交互技術(shù)的發(fā)展,語(yǔ)音的情感識(shí)別已經(jīng)逐漸成為模式識(shí)別領(lǐng)域研究的熱點(diǎn)之一。隨著研究的不斷深入,當(dāng)單獨(dú)使用HMM和人工神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)語(yǔ)音情感狀態(tài)進(jìn)行分類識(shí)別時(shí),效果并不是很理想。本文將HMM和人工神經(jīng)網(wǎng)絡(luò)兩種算法進(jìn)行融合,取長(zhǎng)補(bǔ)短,形成新的混合模型,進(jìn)而提高系統(tǒng)的識(shí)別率。該識(shí)別技術(shù)在服務(wù)機(jī)器人、語(yǔ)音自動(dòng)應(yīng)答系統(tǒng)等方面具有應(yīng)用價(jià)值。本文對(duì)語(yǔ)音情感識(shí)別的發(fā)展現(xiàn)狀進(jìn)行了分析,對(duì)漢語(yǔ)語(yǔ)音情感識(shí)別的問(wèn)題進(jìn)行了深入的研究。首先,針對(duì)目前漢語(yǔ)語(yǔ)音情感識(shí)別在建立漢語(yǔ)語(yǔ)音情感數(shù)據(jù)庫(kù)時(shí)存在很多困難的問(wèn)題,對(duì)語(yǔ)音情感的基礎(chǔ)理論以及建立漢語(yǔ)語(yǔ)音情感數(shù)據(jù)庫(kù)的原則進(jìn)行了詳細(xì)的闡述。然后,為了減少語(yǔ)音信號(hào)本身對(duì)識(shí)別效果的影響,提出了基于GA-SVM的語(yǔ)音端點(diǎn)檢測(cè)方法并對(duì)漢語(yǔ)語(yǔ)音的情感特征進(jìn)行了統(tǒng)計(jì)分析,形成了一個(gè)30維的特征向量。針對(duì)目前單一的HMM和人工神經(jīng)網(wǎng)絡(luò)模型存在的缺陷,提出了將HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型應(yīng)用于漢語(yǔ)語(yǔ)音情感狀態(tài)的分類識(shí)別。該模型首先由HMM產(chǎn)生情感語(yǔ)音信號(hào)的最佳狀態(tài)序列,然后利用時(shí)間規(guī)整算法對(duì)同一狀態(tài)的特征參數(shù)進(jìn)行規(guī)整得到等維的特征向量,并將它作為人工神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行語(yǔ)音情感狀態(tài)識(shí)別。該算法充分利用了HMM極強(qiáng)的動(dòng)態(tài)時(shí)序建模能力以及人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的分類能力。最后,以Matlab2012a為工作平臺(tái)進(jìn)行編程仿真。實(shí)現(xiàn)了HMM和人工神經(jīng)網(wǎng)絡(luò)兩種模型的結(jié)合。并將混合模型分別與HMM和人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型提高了漢語(yǔ)語(yǔ)音情感識(shí)別系統(tǒng)的識(shí)別準(zhǔn)確率。此外,混合模型在不同信噪比的條件下也體現(xiàn)出了它的優(yōu)勢(shì)。
【關(guān)鍵詞】：HMM 人工神經(jīng)網(wǎng)絡(luò) 漢語(yǔ)語(yǔ)音情感識(shí)別 語(yǔ)音端點(diǎn)檢測(cè) 情感特征 HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型
【學(xué)位授予單位】：湖南師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP183;TN912.34
【目錄】：

• 摘要4-6
• Abstract6-12
• 1 緒論12-17
• 1.1 研究背景12
• 1.2 語(yǔ)音情感識(shí)別的研究現(xiàn)狀12-14
• 1.2.1 國(guó)際研究現(xiàn)狀13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-14
• 1.3 語(yǔ)音情感識(shí)別的應(yīng)用前景14-15
• 1.4 本文的研究?jī)?nèi)容與結(jié)構(gòu)15-17
• 1.4.1 論文的主要研究?jī)?nèi)容15-16
• 1.4.2 論文的結(jié)構(gòu)安排16-17
• 2 語(yǔ)音情感理論基礎(chǔ)17-24
• 2.1 語(yǔ)音情感的定義17
• 2.2 語(yǔ)音情感的分類17-20
• 2.2.1 基本情感論和調(diào)色板情感論18-19
• 2.2.2 情感維度空間論19-20
• 2.3 情感語(yǔ)音數(shù)據(jù)庫(kù)20-23
• 2.3.1 建立情感語(yǔ)音數(shù)據(jù)庫(kù)的原則21-22
• 2.3.2 典型的情感語(yǔ)音數(shù)據(jù)庫(kù)22-23
• 2.3.3 本文的普通話情感語(yǔ)音數(shù)據(jù)庫(kù)23
• 2.4 本章小結(jié)23-24
• 3 語(yǔ)音信號(hào)的處理24-38
• 3.1 語(yǔ)音信號(hào)的預(yù)處理24
• 3.2 基于GA-SVM的端點(diǎn)檢測(cè)方法24-31
• 3.2.1 端點(diǎn)檢測(cè)的特征向量26
• 3.2.2 SVM分類器算法26-28
• 3.2.3 遺傳算法優(yōu)化SVM參數(shù)28-31
• 3.2.4 語(yǔ)音端點(diǎn)檢測(cè)ki驟31
• 3.3 語(yǔ)音情感特征分析31-37
• 3.3.1 短時(shí)能量32-33
• 3.3.2 梅爾頻率倒譜系數(shù)33
• 3.3.3 基因頻率33-35
• 3.3.4 共振峰35-36
• 3.3.5 語(yǔ)音情感識(shí)別的特征向量36-37
• 3.4 本章小結(jié)37-38
• 4 HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的設(shè)計(jì)38-53
• 4.1 隱馬爾可夫模型38-43
• 4.1.1 HMM的定義38-39
• 4.1.2 HMM模型的基本算法39-42
• 4.1.3 HMM模型的優(yōu)缺點(diǎn)42-43
• 4.2 人工神經(jīng)網(wǎng)絡(luò)43-46
• 4.2.1 人工神經(jīng)網(wǎng)絡(luò)的概述43-44
• 4.2.2 概率神經(jīng)網(wǎng)絡(luò)44-46
• 4.2.3 概率神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)46
• 4.3 HMM和人工神經(jīng)網(wǎng)絡(luò)的混合模型46-47
• 4.3.1 HMM和人工神經(jīng)網(wǎng)絡(luò)結(jié)合的理論依據(jù)46
• 4.3.2 HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的結(jié)合方式46-47
• 4.4 HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的實(shí)現(xiàn)47-51
• 4.4.1 HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的結(jié)構(gòu)47-48
• 4.4.2 HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的訓(xùn)練48-50
• 4.4.3 HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的識(shí)別50-51
• 4.5 本章小結(jié)51-53
• 5 仿真實(shí)驗(yàn)和結(jié)果分析53-60
• 5.1 仿真環(huán)境與數(shù)據(jù)來(lái)源53
• 5.2 端點(diǎn)檢測(cè)53-55
• 5.2.1 遺傳算法搜索SVM最優(yōu)參數(shù)實(shí)驗(yàn)53-54
• 5.2.2 語(yǔ)音端點(diǎn)檢測(cè)實(shí)驗(yàn)54-55
• 5.3 情感語(yǔ)音信號(hào)的特征提取55-57
• 5.4 系統(tǒng)性能評(píng)估57-59
• 5.4.1 識(shí)別率的比較57-58
• 5.4.2 算法速度比較58
• 5.4.3 噪聲環(huán)境下系統(tǒng)的性能58-59
• 5.5 本章小結(jié)59-60
• 6 總結(jié)與展望60-62
• 6.1 總結(jié)60
• 6.2 展望60-62
• 參考文獻(xiàn)62-67
• 附錄67-68
• 致謝68

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 王艷芬,于洪珍,劉衛(wèi)東,鄭曉紅;基于時(shí)域自相關(guān)平方函數(shù)的基音周期估計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;2004年31期

2 李書(shū)玲;劉蓉;張?chǎng)虤J;劉紅;;基于改進(jìn)型SVM算法的語(yǔ)音情感識(shí)別[J];計(jì)算機(jī)應(yīng)用;2013年07期

3 汪海燕;黎建輝;楊風(fēng)雷;;支持向量機(jī)理論及算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

4 趙力;黃程韋;;實(shí)用語(yǔ)音情感識(shí)別中的若干關(guān)鍵技術(shù)[J];數(shù)據(jù)采集與處理;2014年02期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王明;基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別技術(shù)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2012年

  本文關(guān)鍵詞：基于HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的漢語(yǔ)語(yǔ)音情感識(shí)別，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：320583