基于HMM模型的語(yǔ)音情感識(shí)別的研究.pdf

1、隨著人機(jī)交互系統(tǒng)的快速發(fā)展，語(yǔ)音情感識(shí)別近年來(lái)越來(lái)越受到人們的重視。包含在語(yǔ)音信號(hào)中的情感情息是一種很重要的信息資源，它是人們感知事物的必不可少的部分信息。例如同樣的一句話，由于說(shuō)話人表現(xiàn)的情感不同，在聽者的感知上就可能會(huì)有較大的差別。所謂“聽話聽音”就是這個(gè)道理。 本文首先介紹了語(yǔ)音情感識(shí)別的發(fā)展歷程、研究背景、研究領(lǐng)域及其主要應(yīng)用，接下來(lái)介紹了目前語(yǔ)音情感識(shí)別主要研究方法及本文在語(yǔ)音情感識(shí)別中所用的情感的分類及其韻律特征。重

2、點(diǎn)分析了各種特征參數(shù)的提取方法(不僅包括韻律特征參數(shù)還有非韻律特征參數(shù)如共振峰)。其中基音檢測(cè)算法采用一種自動(dòng)調(diào)整窗口長(zhǎng)度的算法，能夠根據(jù)不同的人、不同的發(fā)音的差異來(lái)調(diào)節(jié)窗的長(zhǎng)度，提高基頻提取的準(zhǔn)確性。應(yīng)用隱馬爾可夫模型(HMM)的進(jìn)行語(yǔ)音情感識(shí)別，對(duì)其分析過(guò)程和設(shè)計(jì)思想進(jìn)行了深入詳細(xì)地探討。本文使用的漢語(yǔ)語(yǔ)音庫(kù)包含了高興、憤怒、悲傷、驚訝、恐懼和平靜語(yǔ)音，提取了語(yǔ)音庫(kù)中情感語(yǔ)句的短時(shí)能量及其一階、二階差分，基頻及其一階、二階差分，第一

3、共振峰和MFCC共八維情感特征參數(shù)。使用從左向右的連續(xù)隱馬爾可夫模型(CHMM)進(jìn)行情感語(yǔ)音識(shí)別，每個(gè)CHMM模型用六個(gè)狀態(tài)，每個(gè)狀態(tài)用四個(gè)混合高斯概率密度函數(shù)來(lái)估計(jì)輸出概率密度函數(shù)，并應(yīng)用Baum-Welch參數(shù)重估算法來(lái)訓(xùn)練CHMM模型參數(shù)。為了使訓(xùn)練結(jié)果更好地收斂為全局的最優(yōu)，我們用“分段K均值算法”重估HMM模型的觀察值概率距陣。最后應(yīng)用Viterbi算法對(duì)該語(yǔ)音庫(kù)情感語(yǔ)句進(jìn)行識(shí)別，實(shí)驗(yàn)結(jié)果表明，六種情感的總體識(shí)別效果較為理想，