人在說謊時,由于環(huán)境壓力所引起的心理變化會導(dǎo)致生理參數(shù)的變化,如皮電、腦電、血壓、聲帶系統(tǒng)等,通常這些參數(shù)只受植物神經(jīng)制約而很難受意識控制。基于這些生理參數(shù)對說話人言語真實度進(jìn)行評測的方法稱為言語置信度評測,通俗而言即謊言檢測。早期的言語置信度評測指標(biāo)主要以多道生理參數(shù)為主。然而,該方法需要佩戴各種專業(yè)設(shè)備來檢測生理參數(shù)的變化,要求測試對象的高度配合,因此很難在實際應(yīng)用中推廣。因此,近來有學(xué)者基于語音等非接觸式的指標(biāo)進(jìn)行言語置信度評測的研究,然而此類方法還有很多問題有待深入研究:(1)聲學(xué)特征參數(shù)對言語置信度的影響;(2)基于聲學(xué)特征的有效言語置信度評測模型及算法研究。針對上述問題,本文從數(shù)據(jù)庫建立、特征分析及模型建立方面進(jìn)行研究,主要做了以下工作:1、鑒于目前缺少心理壓力相關(guān)的謊言數(shù)據(jù)庫,本課題設(shè)計了相關(guān)實驗場景并錄制了兩種心理壓力下的言語置信度語音數(shù)據(jù)庫。在較低心理壓力下,被測人員面臨的場景是實驗性的,且實驗過程中的謊言不會對說謊者本身產(chǎn)生較大影響;在較高的心理壓力下,被測人員對實驗并不知情,所陳述的謊言對被試的現(xiàn)實利益有直接的較大影響�；谏鲜鰞煞N數(shù)據(jù)庫,本文分析了在不同心理壓力...

【文章頁數(shù)】：114 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
縮寫詞
第1章 緒論
    1.1 言語置信度評測的研究背景和意義
    1.2 言語置信度研究進(jìn)展
        1.2.1 各類非語音測謊方法
            1.2.1.1 多道生理指標(biāo)
            1.2.1.2 腦電波相關(guān)
            1.2.1.3 眼動技術(shù)
            1.2.1.4 其它指標(biāo)
        1.2.2 基于語音的言語置信度評測方法
            1.2.2.1 謊言數(shù)據(jù)庫
            1.2.2.2 聲學(xué)特征
            1.2.2.3 識別算法與性能
    1.3 言語置信度評測的挑戰(zhàn)
    1.4 本文的研究內(nèi)容與章節(jié)安排
        1.4.1 主要研究內(nèi)容
        1.4.2 章節(jié)安排
第2章 言語置信度的數(shù)據(jù)采集與聲學(xué)特征分析
    2.1 引言
    2.2 數(shù)據(jù)采集
        2.2.1 較低心理壓力下的數(shù)據(jù)獲取
        2.2.2 較高心理壓力下的數(shù)據(jù)獲取
    2.3 聲學(xué)特征參數(shù)
        2.3.1 語音分幀與加窗
        2.3.2 基音頻率
        2.3.3 梅爾頻率倒譜系數(shù)
        2.3.4 線性預(yù)測系數(shù)
    2.4 實驗設(shè)置與分析
        2.4.1 特征細(xì)膩度對言語置信度的影響
        2.4.2 統(tǒng)計特征與動態(tài)特征的比較
    2.5 本章小結(jié)
第3章 基于注意力門的言語置信度評測算法
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 傳統(tǒng)長短時記憶網(wǎng)絡(luò)
        3.2.2 門控循環(huán)單元
        3.2.3 高級長短時記憶網(wǎng)絡(luò)
    3.3 基于注意力門的記憶模型
        3.3.1 自注意力門
        3.3.2 加性注意力門
    3.4 實驗
        3.4.1 言語置信度評測性能對比實驗
        3.4.2 計算復(fù)雜度對比實驗
    3.5 本章小結(jié)
第4章 深層謊言特征在時間與特征維度的加權(quán)算法
    4.1 引言
    4.2 特征的相關(guān)處理方法
        4.2.1 局部注意力
        4.2.2 靜態(tài)統(tǒng)計特征
    4.3 基于注意力加權(quán)的特征處理方法
        4.3.1 時間維度加權(quán)
        4.3.2 特征維度加權(quán)
    4.4 實驗
        4.4.1 深層特征加權(quán)算法的有效性驗證
        4.4.2 注意力算法的融合
    4.5 本章小結(jié)
第5章 基于偽說話人的言語置信度評測模型優(yōu)化
    5.1 引言
    5.2 偽說話人標(biāo)簽
        5.2.1 理想偽說話人標(biāo)簽的性質(zhì)
        5.2.2 基于聚類算法的標(biāo)注
    5.3 偽說話人信息的利用
        5.3.1 以偽說話人為輔助輸出信息的多任務(wù)學(xué)習(xí)
        5.3.2 以偽說話人為輸入開關(guān)選擇的模型結(jié)構(gòu)
    5.4 實驗
        5.4.1 偽說話人數(shù)量的影響
        5.4.2 與多任務(wù)學(xué)習(xí)算法的比較
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
博士期間的學(xué)術(shù)成果



本文編號：3837272