基于語音信號的兒童情感識別研究.pdf

1、兒童社會情緒能力的培養(yǎng)和科學評測對兒童的早期發(fā)展影響巨大，本文的主要研究內(nèi)容是利用計算機識別兒童語音信號中的情感信息，是兒童社會情緒能力生物醫(yī)學工程評測方法中的研究熱點和重要依據(jù)。與成人語音情感識別相比，兒童情感語音數(shù)據(jù)庫資源稀缺，同時兒童的聲學發(fā)展不完全，使得本文的研究具有很大的挑戰(zhàn)。
　　本文的研究以語音情感識別為基礎，從語音情感識別系統(tǒng)的各個模塊詳細探討了語音情感特征的提取、特征選擇以及情感分類三大部分，并在EMO-DB、e

2、NTERFACE和FAU Aibo三個語音情感數(shù)據(jù)庫上做了大量的對比實驗，本文的主要工作安排如下:
　　(1)深入研究了語音情感特征中的聲學特征，除了較常用的韻律特征和譜特征之外，還采用了近年來提出的音質(zhì)特征，并且使用了全局統(tǒng)計特征。相比于前期使用MATLAB作為主要研究工具，本文新穎地使用了openSMILE這一模塊化的靈活的工具來完成特征提取工作，提取了基音頻率、線譜對、MFCC等低維描述子及其統(tǒng)計特征，共計1582維語音情感

3、特征。
　　(2)為了分析何種語音情感特征包含更多的兒童情感信息，使用了基于Adaboost的特征選擇方法，選擇出對兒童語音情感識別更有效的特征。實驗結(jié)果表明MFCC、線譜對、對數(shù)Mel頻率帶寬和抖動等特征與兒童語音中的情感信息更加密切。
　　(3)針對原始語音情感特征集的高度非線性化，提出了一種基于核稀疏表示的語音情感識別方法，利用核映射將原始特征集映射到高維空間，在高維特征空間中測試樣本能更好地表示為訓練樣本的一個稀疏的

4、線性組合。與成人表演的語音相比，兒童語音情感數(shù)據(jù)庫中的樣本含有更多的噪聲，KSRC通過求解稀疏系數(shù)能起到樣本選擇的功能。
　　(4)提出了一種新的語音情感分類方法——核不完全稀疏最小二乘回歸(KISLSR)模型，該模型的創(chuàng)新點體現(xiàn)在模型訓練階段同時利用了已標定情感標簽和未標定情感標簽的兩類語音數(shù)據(jù)集，可以解決兒童語音情感不易標定的問題。沒有核化的不完全稀疏最小二乘回歸模型具有特征選擇的能力，且特征選擇維度不需人為控制，更為高效魯棒