语音情感识别关注语音中的隐层情感信息,是一门涉及心理学生理学、信号处理和模式识别等领域的交叉学科,主要任务是通过对语音信号的感知和分析,剥离出情感表达相关的声学特征,进而识别出话者所处的情感状态。整个识别系统中,对情感特征数据的处理能至关重要。通常地,语音情感特征向量少则数十维多则上百维,且随着语料数量的增多,特征数据的数量将变得十分可观。而我们受到所处的三维物理空间的限制,对高维空间中的数据的理解已经十分困难。因此,面对这批数量庞大的高维数据,如何找出相同情感类别的特征数据之间的共性和不同情感类别的特征数据之间的差异变成一项复杂的工程。目前常用的特征处理方法有支持向量机、神经网络、隐马尔可夫模型等。44461
本文对常用的特征处理方法进行分析比较,最终决定采用DTW算法对其进行分析研究。
正文
1.《数字信号处理》:本书的主要内容是数字信号处理的基本原理和基本分析方法,主要结合例题和习题介绍一些MATLAB信号处理工具箱函数和程序。本书所有程序尽可能调用MATLAB信号处理工具箱函数解决问题,程序简单易懂。
2.《基于智能算法的生理信号情感识别》:本文主要针对基于生理信号的情感识别问题,采用具有模拟退火机制的遗传算法,最大最小蚁群算法和粒子群算法来进行特征选择。用Fisher分类器对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感进行分类,获得了较高的识别率,并找出了对情感识别系统模型的构建具有较好性能的特征组合,建立了对6种情感具有预测能力的识别系统。
3.《语音情感智能识别的建模与仿真》:本文为了提高语音情感识别正确率,利用小波分析去噪和神经网络的非线性处理能力,提出一种基于过程神经元网络的语音情感智能识别模型。采用小波分析对语音情感信号进行去噪处理,利用主成分分析消除语音情感特征中的冗余信息,采用过程神经元网络对语音情感进行分类识别论文网。
4.《仿真建模与分析》:)本书对离散事件系统仿真研究的所有重要方面给出了综合性的最新论述,包括建模、仿真软件、模型校验和确认、输入建模,随机数发生器、随机变量与随机过程的产生、统计设计与仿真实验分析、以及像制造这一类主要工业领域的应用等。
5.《语音情感识别中特征参数的研究进展》:本文提出了特征参数在语音情感识别中的重要性,介绍了语音情感识别系统的基本组成。重点对特征参数的研究现状进行了综述。阐述了目前应用于情感识别的特征降维常用方法,并对其进行了分析比较,展望了语音情感识别的可能发展趋势。
6.《.语音情感识别研究进展》: 本文针对日常生活中最常见的四种情感状态:生气、高兴、伤心、惊奇和一种无情感状态为例,对基于语音信号的情感识别进行了研究,主要内容和成果如下:研究了基于基音频率、短时能量、共振峰频率、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频率子带能量等共201个衍生特征的情感区分能力。提出了一种基于特征选择(Feature Selection,FS)和支持向量机(Support Vector Machine,SVM)的语音情感识别方法。
7.《多分类器融合在语音情感识别中的应用》:本书采用决策模板分类器融合技术进行语音情感识别。对该技术的应用不仅仅是简单的使用,而是根据融合系统中子分类器错误应尽量在不同的样本空间这一基本出发点,利用不同类型的声学特征子集构造子分类器来实现这一目标。在以往的研究中识别率几乎是衡量情感识别系统的唯一指标。本文除了考虑识别率外还研究融合系统的多样性指标,以期待从中找到识别效果提高的原因。