情感語音的非線性特征研究.pdf

1、情感語音識別已經(jīng)成為人機交互的重要研究領(lǐng)域之一。通過感知情感狀態(tài)，計算機可以對人類的行為進行簡單地認知并采用更為人性化的方式進行交流，拓展了人機交互的更多可能性。情感語音識別是通過計算機手段從說話人的語音信號中識別出情感狀態(tài)。鑒于富含情感的溝通對社會關(guān)系的重要性，情感語音識別在人機對話、情感計算、心理和精神疾病診斷等方面都有日趨廣泛的應(yīng)用潛力。由于情感的多模態(tài)性和自發(fā)性，以及情感理論相關(guān)研究的滯后性等多種原因的存在，仍然沒有建立起完全成

2、熟的情感識別系統(tǒng)。結(jié)合當前的情感語音識別研究狀況與實際需要，本文首先對情感語音數(shù)據(jù)庫、特征提取以及識別網(wǎng)絡(luò)部分三個部分分別進行介紹，然后重點對情感語音特征提取的方法和手段進行詳盡的研究和論述，提出了基于語音發(fā)聲機理混沌特性的新非線性特征，實驗證明了本文提取的非線性特征彌補了以往提取的特征不足之處。主要的研究內(nèi)容包括如下部分：
　　(1)介紹了情感語音識別的基礎(chǔ)知識，包括常用的數(shù)據(jù)庫、特征提取和識別網(wǎng)絡(luò)。針對常用的情感特征（韻律特征

3、、基于譜的特征、音質(zhì)特征和TEO能量算子）和識別網(wǎng)絡(luò)展開了理論簡介。介紹了語音發(fā)聲和傳播過程中體現(xiàn)出的非線性特性，接著采用非線性動力學(xué)理論分析方法，從功率譜分析、主分量分析、相空間重構(gòu)三個方面驗證了情感語音是具有混沌特性的。
　　(2)在驗證了情感語音信號的混沌特性的基礎(chǔ)上，將情感語音信號看作一維時間學(xué)列，采用時間序列分析方法實現(xiàn)情感語音的高維狀態(tài)空間的重構(gòu)，為進一步提取基于情感語音混沌特性的非線性特征做準備。為了實現(xiàn)情感語音的高

4、維空間重構(gòu)，本文分別采用鄰接誤差法、平均互信息法以及C-C方法得到一維情感語音信號相空間重構(gòu)需要的嵌入維數(shù)和延時時間兩個參數(shù)，為非線性分析方法提取情感語音非線性新特征提供了條件。
　　(3)提出將情感語音信號處理與非線性動力學(xué)模型相結(jié)合的方法并仿真實現(xiàn)了基于情感語音混沌特性的非線性特征提取。這些特征包括最小延遲時間、關(guān)聯(lián)維數(shù)、Kolmogorov熵、最大Lyapunov指數(shù)和以及用于描述時間序列相關(guān)性的Hurst指數(shù)特征，并對上述

5、的非線性特征與情感區(qū)分能力之間的關(guān)聯(lián)性進行了定性分析，通過實驗驗證了基于混沌特性的語音情感非線性特征可以作為語音情感區(qū)分的有效的新特征量。
　　(4)利用基于混沌特性的情感語音非線性特征進行了情感語音識別。首先選擇在公開的Berlin語音數(shù)據(jù)庫和自建的離散情感語料庫TYUT2.0作為實驗備選數(shù)據(jù)庫，然后分別提取了韻律學(xué)特征、MFCCs和非線性特征及其對應(yīng)的統(tǒng)計特征，其次對語音情感非線性特征、韻律學(xué)特征和MFCCs的性能定性分析，確