針對(duì)傳統(tǒng)情感語(yǔ)音識(shí)別方法整體分類(lèi)精度不高的問(wèn)題,提出改進(jìn)SVM結(jié)合決策樹(shù)的情感語(yǔ)音識(shí)別方法。首先,提取能量、過(guò)零率、幅度以及線性預(yù)測(cè)系數(shù)共四個(gè)時(shí)域統(tǒng)計(jì)特征,基于互相關(guān)技術(shù)將中性情感語(yǔ)音作為參考,與其余的情感語(yǔ)音相關(guān)聯(lián)。其次,從每個(gè)得到的互相關(guān)序列中提取出質(zhì)心等五個(gè)特征。最后,利用提出的改進(jìn)SVM與決策樹(shù)的混合模型完成分類(lèi)識(shí)別。在柏林情感語(yǔ)音數(shù)據(jù)庫(kù)上的結(jié)果表明,提出的方法能有效完成情感語(yǔ)音信號(hào)識(shí)別。 

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 情感語(yǔ)音特征提取
    1.1 情感語(yǔ)音識(shí)別系統(tǒng)結(jié)構(gòu)
    1.2 時(shí)域統(tǒng)計(jì)特征提取
    1.3 互相關(guān)特征提取
2 改進(jìn)SVM分類(lèi)器
3 改進(jìn)SVM分類(lèi)器與決策樹(shù)結(jié)合的情感語(yǔ)音識(shí)別
4 實(shí)驗(yàn)與分析
    4.1 情感語(yǔ)音數(shù)據(jù)庫(kù)
    4.2 實(shí)驗(yàn)設(shè)置
    4.3 實(shí)驗(yàn)分析
5 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于RNN和WFST譯碼的自動(dòng)語(yǔ)音識(shí)別研究[J]. 鄭曉瓊,汪曉,江海升,樊培培,張超.  信息技術(shù). 2019(06)
[2]英語(yǔ)語(yǔ)音優(yōu)化識(shí)別建模仿真分析[J]. 米婧.  信息技術(shù). 2019(06)
[3]基于漢語(yǔ)組塊產(chǎn)品特征——觀點(diǎn)對(duì)提取與情感分析研究[J]. 劉臣,韓林,李丹丹,安詠雪,霍良安.  計(jì)算機(jī)應(yīng)用研究. 2017(10)
[4]相空間重構(gòu)的情感語(yǔ)音特征提取及優(yōu)化[J]. 孫穎,宋春曉.  西安電子科技大學(xué)學(xué)報(bào). 2017(06)
[5]基于多級(jí)SVM分類(lèi)的語(yǔ)音情感識(shí)別算法[J]. 任浩,葉亮,李月,沙學(xué)軍.  計(jì)算機(jī)應(yīng)用研究. 2017(06)

碩士論文
[1]面向AMSR2被動(dòng)微波遙感數(shù)據(jù)的地表溫度反演方法與驗(yàn)證研究[D]. 代馮楠.電子科技大學(xué) 2016
[2]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[D]. 曹鵬霞.湖南師范大學(xué) 2015
[3]基于變量加權(quán)的核函數(shù)的SVM及其應(yīng)用研究[D]. 胡蕾.湖南大學(xué) 2013



本文編號(hào)：3674999