語音作為人類日常表達(dá)和溝通中一種主要交流方式,不僅包含了所要表達(dá)的內(nèi)容信息,還蘊(yùn)含了人類豐富的情感。這使得語音情感識別成為智能語音信息處理研究中最重要的方向之一。語音情感識別的目的是使計算機(jī)從人類發(fā)出的語音信號中獲得人類的情感信息,讓機(jī)器能理解人的感性思維,從而使計算機(jī)更智能。維度語音情感識別是語音情感研究的一個新興方向,維度情感用精確的數(shù)值從連續(xù)的、多維的角度進(jìn)行人類情感的描述,從而回避了離散情感標(biāo)簽?zāi)：院陀邢扌缘膯栴},具有強(qiáng)大的情感描述能力,可以更自然地體現(xiàn)現(xiàn)實中的情感。目前,已經(jīng)有不少的研究者關(guān)注了維度語音情感識別研究,但有效的維度語音情感特征和情感識別算法仍有待提出,維度語音情感識別的性能也有待提升。本文基于現(xiàn)有的傳統(tǒng)離散語音情感識別知識,先從維度離散化的語音著手,然后進(jìn)一步過渡到維度語音情感識別,本論文的主要工作如下:本文提出一個基于不流利、非語言情感特征和雙向長短期記憶遞歸神經(jīng)網(wǎng)絡(luò)模型的維度離散化情感識別系統(tǒng)。與傳統(tǒng)語音情感識別中常用的情感特征相比,不流利、非語言的情感特征不僅是專門針對語音情感所提出的,而且在特征數(shù)量上具有明顯的優(yōu)勢。并且,雙向長短期記憶遞歸神經(jīng)網(wǎng)絡(luò)模型... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．?１活躍度－效價情感空間??

情感特征、識別模型、性能評估四個模塊。??２．１維度語音情感識別系統(tǒng)框架??維度語音情感識別與離散語音情感識別的基本框架大體一致，如圖２．１所示，??以數(shù)據(jù)劃分，包括訓(xùn)練階段和測試階段；以識別步驟劃分，包括數(shù)據(jù)準(zhǔn)備、情感??特征的提取、情感識別及性能評估四個模塊。??ｉ????｜?■??！?！?丨；?調(diào)整模型參數(shù)?Ｉ?［?｜??；?＇Ｉ?｜?Ｉ?Ｉ?Ｉ???１提率?！論入?Ｉ????；??訓(xùn)練階語音訓(xùn)練特征語音情感恃征情感識別?田?！?！??段：?數(shù)據(jù)集?—Ｔ＊?特征?ｆ?—訓(xùn)練模型?？訓(xùn)為結(jié)呆一Ｉ??｜?｜｜?｜?ＩＴ?Ｉ?Ｉ?｜??！?！?！?�。�?停止訓(xùn)練?！?｜?；???１提�。椋�?＋入丨丄?，??］?Ｉ???Ｉ??測試階語音測試特佐Ｊ語音情感｜?ｉｔｋＥｊ情感識別｜?；?ＩＪ??段？？?數(shù)據(jù)集特征?測試模型??！?！?：?：?��！?！?????，；?，???數(shù)據(jù)準(zhǔn)備?特征提取?情感識別?性能評估??圖２．?１維度語音情感識別框架??現(xiàn)有研宄表明，維度語音情感識別主要有兩種：維度離散化情感的分類識別??和維度情感的回歸識別，如圖２．２所示。維度語音情感識別發(fā)展初期，研宄者們??一方面為了簡化維度語音情感識別，另一方面也為了利用現(xiàn)有離散情感識別的研??宄成果

２．２維度語音情感語料庫??２．２．１維度情感標(biāo)注??語音數(shù)據(jù)在生活中隨處可見，電視、廣播、電話中的音頻數(shù)據(jù)在理論上都可??以作為語料庫的來源，但是由于錄音環(huán)境、數(shù)據(jù)隱私等的限制，研究實驗中使用??的語料庫往往以實驗環(huán)境或其他特定環(huán)境下的錄制為主。收集到語音數(shù)據(jù)后，則??需要對語音數(shù)據(jù)進(jìn)行情感標(biāo)記以便用于語音情感識別。離散情感語料庫的標(biāo)記工??作相對比較簡單，標(biāo)注的類別是有限的幾個標(biāo)簽，一般由幾個專業(yè)的情感標(biāo)注者??進(jìn)行人工標(biāo)注。對于維度情感標(biāo)簽的標(biāo)注，由于每一個數(shù)據(jù)樣例都對應(yīng)一個具體??的情感值，而非簡單的分類，這不僅增加了標(biāo)注者的工作量，而且使標(biāo)注工作變??得更加枯燥。??ＦＥＥＬＴＲＡＣＥ工具［５３］是現(xiàn)在最常用的一種情感標(biāo)注輔助工具。它可以協(xié)助觀??察者來追蹤情感內(nèi)容，并檢查語音的情感動態(tài)。為了將情感標(biāo)注模型應(yīng)用到該工??具中，通常會將情感模型展示在一個電腦屏幕上，觀察者根據(jù)感知到的情感移動??

【參考文獻(xiàn)】：
期刊論文
[1]基于局部特征優(yōu)化的語音情感識別[J]. 隋小蕓,朱廷劭,汪靜瑩.  中國科學(xué)院大學(xué)學(xué)報. 2017(04)
[2]基于語譜圖和卷積神經(jīng)網(wǎng)絡(luò)的語音情感識別[J]. 田熙燕,徐君鵬,杜留鋒.  河南科技學(xué)院學(xué)報(自然科學(xué)版). 2017(02)
[3]多粒度特征融合的維度語音情感識別方法[J]. 陳婧,李海峰,馬琳,陳肖,陳曉敏.  信號處理. 2017(03)
[4]面向語音情感識別的Gabor分塊局部二值模式特征[J]. 陶華偉,柳晶晶,梁瑞宇,查誠,張昕然,趙力.  信號處理. 2016(05)
[5]面向語音情感識別的語譜特征提取算法研究[J]. 唐閨臣,馮月芹,梁瑞宇,包永強(qiáng),趙力.  計算機(jī)工程與應(yīng)用. 2016(21)
[6]語音情感識別研究進(jìn)展綜述[J]. 韓文靜,李海峰,阮華斌,馬琳.  軟件學(xué)報. 2014(01)
[7]考慮情感程度相對順序的維度語音情感識別[J]. 韓文靜,李海峰,馬琳.  信號處理. 2011(11)
[8]基于基頻的情感語音聚類的說話人識別方法[J]. 李冬冬,吳朝暉,楊瑩春.  模式識別與人工智能. 2009(01)
[9]基于決策樹的多特征語音情感識別[J]. 石瑛,胡學(xué)鋼,方磊.  計算機(jī)技術(shù)與發(fā)展. 2009(01)
[10]支持向量機(jī)應(yīng)用于語音情感識別的研究[J]. 張石清,趙知勁,戴育良,楊廣映.  聲學(xué)技術(shù). 2008(01)

碩士論文
[1]基于倒譜距離特征和卷積神經(jīng)網(wǎng)絡(luò)的語音情感識別研究[D]. 張斌.合肥工業(yè)大學(xué) 2016



本文編號：3275373