基于可穿戴社交感知系統(tǒng)的語音分割算法研究.pdf

1、隨著科技的進步和人們生活水平的提高，身心健康成為當今社會的關注問題。通常，研究者可以通過社交感知特征客觀分析和評估身心健康狀態(tài)。語音信號處理是該領域重要的研究方向。它可以通過提取分析和融合語音特征客觀地綜合評估社交人群的心理健康。因此，高效的語音分割算法將有利于社交語音感知特征的提取。
　　本文將針對傳統(tǒng)非監(jiān)督語音分割算法中基于HMM（Hidden Markov Model）分割精度的局限，提出了融合KL散度(kullback-l

2、eibler divergence)的HMM語音分割算法，進一步提高語音分割準確性。但是，從HMM-KLD的語音分割結果中，存在分割算法最優(yōu)判定問題。對于該難點，本文提出了基于稀疏性相關特征的自動判別語音分割方法，有效地解決這一難題。本文將從以下幾個方面進行具體闡述。
　　（1）基于可穿戴社交感知系統(tǒng)和語音分割系統(tǒng)的國內外研究現(xiàn)狀，本文提出了了高效的語音分割算法可以較好地幫助社交感知系統(tǒng)進行語音特征分析并有利于研究在實際應用中社交

3、感知行為或心理狀態(tài)與語音特征的關聯(lián)。
　?。?）基于傳統(tǒng)的HMM非監(jiān)督語音分割方法，評估在不同噪音場景下的語音分割準確性。這一過程主要分為三個階段，第一階段是基于譜熵和短時自相關特征進行去噪；第二階段基于短時能量去除無聲音的信號部分；第三階段主要是基于不同穿戴社交感知設備的人的短時能量的不同，分割出穿戴者語音信號。
　?。?）由于HMM算法分割精度的局限性，本文提出了融合KL散(kullback-leibler diverg

4、ence)的HMM語音分割算法可以進一步提高語音分割準確性，并通過所采集的語音信號驗證新算法的改進效果。
　?。?）根據(jù)HMM-KLD的語音分割算法中存下的最優(yōu)判定問題，基于語音稀疏性相關特征，本文提出了一種可以自動優(yōu)化判別語音分割算法的策略，進一步提高語音分割算法的準確性。
　　（5）基于基本語音特征和韻律語音特征，本文探索分析說話人之間親密度以及老年群體的社交特征與他們的語音感知特征的聯(lián)系。
　?。?）總結全文和展