【摘要】：情感識別在人機交互領(lǐng)域具有廣闊前景。由于情感表達在時間上具有一定的持續(xù)性,統(tǒng)計特征更能體現(xiàn)不同情緒語音的差異和動態(tài)變化,大多數(shù)語音情感識別研究都使用全局特征(如最大值、最小值等),并沒有充分挖掘局部特征(如單幀的短時能量、過零率等)中的信息。提出一種基于局部特征優(yōu)化的方法,對每個情感語音樣本做進一步提純,通過聚類分析對情感特征相對不顯著的幀進行過濾,在此基礎(chǔ)上進行統(tǒng)計計算和分類,以提高預(yù)測的準確率。實驗結(jié)果表明,基于優(yōu)化后的樣本進行情感分類,3個語料庫的平均準確率提高5%~17%。進一步的研究發(fā)現(xiàn)這種優(yōu)化方法可能更適合于語音長度較長的情感識別場景。
[Abstract]:Emotion recognition has a broad prospect in the field of human-computer interaction. Because of the persistence of emotion expression in time, the statistical features can reflect the difference and dynamic change of different emotion speech, so most speech emotion recognition research uses global feature (such as maximum value). The minimum value, etc., does not fully mine the information in local features (such as the short-time energy, zero-crossing rate, etc.) of a single frame. In this paper, a method based on local feature optimization is proposed to further purify each emotional speech sample, filter frames with relatively insignificant emotional features by clustering analysis, and then carry out statistical calculation and classification on the basis of this method. To improve the accuracy of prediction. The experimental results show that the average accuracy of the three corpora is improved by 5% and 17% based on the emotional classification of the optimized samples. Further research shows that this optimization method may be more suitable for speech recognition with longer speech length.
【作者單位】： 中國科學(xué)院心理研究所;中國科學(xué)院大學(xué)心理學(xué)系;
【基金】：國家重點基礎(chǔ)研究發(fā)展(973)計劃(2014CB744600)資助
【分類號】：TN912.34

【相似文獻】

相關(guān)期刊論文 前10條

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

2 陳建廈,李翠華;語音情感識別的研究進展[J];計算機工程;2005年13期

3 王茜;;一個語音情感識別系統(tǒng)的設(shè)計與實現(xiàn)[J];大眾科技;2006年08期

4 孫亞;;遠程教學(xué)中語音情感識別系統(tǒng)的研究與實現(xiàn)[J];長春理工大學(xué)學(xué)報(高教版);2008年02期

5 章國寶;宋清華;費樹岷;趙艷;;語音情感識別研究[J];計算機技術(shù)與發(fā)展;2009年01期

6 石瑛;胡學(xué)鋼;方磊;;基于決策樹的多特征語音情感識別[J];計算機技術(shù)與發(fā)展;2009年01期

7 趙臘生;張強;魏小鵬;;語音情感識別研究進展[J];計算機應(yīng)用研究;2009年02期

8 張石清;趙知勁;;噪聲背景下的語音情感識別[J];西南交通大學(xué)學(xué)報;2009年03期

9 黃程韋;金峗;王青云;趙艷;趙力;;基于特征空間分解與融合的語音情感識別[J];信號處理;2010年06期

10 袁健;賀祥;許華虎;馮肖維;劉玲;;服務(wù)機器人的語音情感識別與交互技術(shù)研究[J];小型微型計算機系統(tǒng);2010年07期

相關(guān)會議論文 前8條

1 陳建廈;;語音情感識別綜述[A];第一屆中國情感計算及智能交互學(xué)術(shù)會議論文集[C];2003年

2 楊桃香;楊鑒;畢福昆;;基于模糊聚類的語音情感識別[A];第三屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

3 羅武駿;包永強;趙力;;基于模糊支持向量機的語音情感識別方法[A];2012'中國西部聲學(xué)學(xué)術(shù)交流會論文集(Ⅱ)[C];2012年

4 王青;謝波;陳根才;;基于神經(jīng)網(wǎng)絡(luò)的漢語語音情感識別[A];第一屆中國情感計算及智能交互學(xué)術(shù)會議論文集[C];2003年

5 張鼎天;徐明星;;基于調(diào)制頻譜特征的自動語音情感識別[A];第十二屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC'2013）論文集[C];2013年

6 童燦;;基于boosting HMM的語音情感識別[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

7 戴明洋;楊大利;徐明星;;語音情感識別中UBM訓(xùn)練集的組成研究[A];第十一屆全國人機語音通訊學(xué)術(shù)會議論文集（一）[C];2011年

8 張衛(wèi);張雪英;孫穎;;基于HHT邊際Teager能量譜的語音情感識別[A];第十二屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC'2013）論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 孫亞新;語音情感識別中的特征提取與識別算法研究[D];華南理工大學(xué);2015年

2 王坤俠;語音情感識別方法研究[D];合肥工業(yè)大學(xué);2015年

3 韓文靜;語音情感識別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

4 謝波;普通話語音情感識別關(guān)鍵技術(shù)研究[D];浙江大學(xué);2006年

5 尤鳴宇;語音情感識別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2007年

6 劉佳;語音情感識別的研究與應(yīng)用[D];浙江大學(xué);2009年

7 趙臘生;語音情感特征提取與識別方法研究[D];大連理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳曉東;基于卷積神經(jīng)網(wǎng)絡(luò)的語音情感識別[D];華南理工大學(xué);2015年

2 孫志鋒;語音情感識別研究[D];陜西師范大學(xué);2015年

3 譚發(fā)曾;語音情感狀態(tài)模糊識別研究[D];電子科技大學(xué);2015年

4 陳鑫;相空間重構(gòu)在語音情感識別中的研究[D];長沙理工大學(xué);2014年

5 李昌群;基于特征選擇的語音情感識別[D];合肥工業(yè)大學(xué);2015年

6 陳文汐;基于核函數(shù)的語音情感識別技術(shù)的研究[D];東南大學(xué);2015年

7 薛文韜;基于深度學(xué)習(xí)和遷移學(xué)習(xí)的語音情感識別方法研究[D];江蘇大學(xué);2016年

8 宋明虎;電力行業(yè)電話電話客服語音情感識別[D];昆明理工大學(xué);2016年

9 陳肖;基于多粒度特征融合的維度語音情感識別方法研究[D];哈爾濱工業(yè)大學(xué);2016年

10 任浩;基于多級分類的語音情感識別[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號：2167801