收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

语音情感识别的研究与应用

刘佳  
【摘要】: 随着人机交互技术的发展,人机接口的研究已经逐渐从机械化时代跨入多媒体用户界面时代。作为智能人机交互的关键技术之一,语音情感分析与识别已经成为一个研究热点。各领域研究者十分关注如何从语音中自动识别说话人的情感状态,并使计算机作出更有针对性和更人性化的响应。 本文首先概述了语音情感识别的研究意义以及文中的主要研究内容,然后回顾了目前语音情感研究中涉及的多个关键问题,包括情感的分类、情感语料库概况、语音信号的声学特征、特征降维、分类算法以及基于半监督学习的语音情感分类。 本文提出了多种特征选择和特征抽取模型。基于类集和类对特征选择相融合的语音情感识别是一种新型的模型结构,它在关注每一对类别区分度的同时,兼顾样本数据的全局分布,因而同时引入类集和类对特征选择方式。该模型结构适用于多种分类算法,而且能有效地提高系统的识别性能。基于特征投影矩阵的特征选择算法利用特征抽取算法中的投影矩阵,衡量各个初始声学特征的重要性,据此进行特征子集的选择。实验结果表明,相比于单纯使用投影矩阵进行映射变换的特征抽取方法,该特征选择算法更具优势。基于多层次特征抽取的语音情感识别通过对数据的分析,针对不同性别、不同情感类别的语料,选择多样化的降维算法进行处理。这种思想可以推广到其他语料库上,通过构建合适的基于多层次降维的识别系统,提高系统整体的识别效果。基于流形学习的增强型Lipschitz嵌入算法则是一种非线性降维算法,它通过测地距离的计算,将高维特征向量映射到低维子空间中。该算法在实验室受控环境下的特定人和非特定人语音情感识别、高斯白噪声和正弦噪声情况下的特定人语音情感识别中,显著地提高了识别准确率。 在传统的语音情感识别系统中,各个声学特征通常是以分量的形式简单地组成特征向量,作为分类器的数据输入。基于协方差描述子和黎曼流形的语音情感识别系统考虑了不同声学特征之间的关联性,实验表明该关联性能够反映语音的情感信息,而且基于此关联性所建立的识别系统稳定性高,抗噪能力强。 在只有少量已标记样本和大量未标记样本的情况下,本文提出增强型协同训练算法,建立起基于半监督学习的分类模型。它通过引入类别预测一致性的限制,改进标准协同训练算法,减少了分类噪音的产生,并提高了分类器的性能。 虑到语音情感研究的实用性,使用AdaBoost+C4.5分类模型对语音信号进行情感分析,实现了完全实时的情感识别,并将其应用于实时情感语音驱动的人脸动画生成系统。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 温万惠;刘光远;熊勰;;基于生理信号的二分类情感识别系统特征选择模型和泛化性能分析[J];计算机科学;2011年05期
2 陈友;程学旗;杨森;;面向网络论坛的高质量主题发现[J];软件学报;2011年08期
3 罗宪华;杨大利;徐明星;;面向非特定人的语音情感识别特征研究[J];北京信息科技大学学报(自然科学版);2011年02期
4 罗宪华;杨大利;徐明星;徐露;;面向非特定人语音情感识别的PCA特征选择方法[J];计算机科学;2011年08期
5 王海宁;孙守迁;吴剑锋;;基于混合智能优化算法的生理信号情感识别[J];电信科学;2010年09期
6 吴光华;刘光远;龙正吉;;免疫机制对皮肤电信号情感特征选择的影响[J];计算机应用研究;2010年12期
7 林时来;刘光远;张慧玲;;蚁群算法在呼吸信号情感识别中的应用研究[J];计算机工程与应用;2011年02期
8 杨瑞请;刘光远;;基于BPSO的四种生理信号的情感状态识别[J];计算机科学;2008年03期
9 杨瑞请;;变异BPSO方法在情感生理信号特征选择中的应用[J];中国西部科技;2011年06期
10 郝敏;刘光远;温万惠;;基于进化策略的生理信号情感识别[J];智能系统学报;2009年04期
11 马长伟;刘光远;鲁舜;;改进的蚁群系统在心电信号情感识别中的应用[J];计算机工程与应用;2010年31期
12 高影繁;刘玉树;;军事情报文本分类中的维数约减技术[J];火力与指挥控制;2008年05期
13 奉国和;郑伟;;文本分类特征降维研究综述[J];图书情报工作;2011年09期
14 鲁舜;刘光远;;用自适应蚁群算法的生理信号情感状态识别[J];计算机应用;2009年S1期
15 郝敏;刘光远;;用分层循环遗传算法去识别生理信号情感状态[J];计算机工程与应用;2010年01期
16 赵锋;薛惠锋;王伟;吴慧欣;;采用多级分类器的手写数字识别技术研究[J];微电子学与计算机;2006年12期
17 郭椿标;模式识别理论中的逻辑特征方法[J];西安交通大学学报;1991年03期
18 乔冠楠;胡剑凌;刘鹏;;声学参数和听觉参数结合的语音情感交叉识别[J];电声技术;2009年06期
19 孙铁利;张妍;李晓微;;文本挖掘中特征降维方法比较研究[J];电脑知识与技术;2008年02期
20 王皓;孙宏斌;张伯明;;PG-HMI:一种基于互信息的特征选择方法[J];模式识别与人工智能;2007年01期
中国重要会议论文全文数据库 前10条
1 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
2 付焕焕;李俊;张洁;;入侵检测中机器学习算法的集成[A];中国电子学会第十七届信息论学术年会论文集[C];2010年
3 刘怡;高玥;;一种基于文本关键字模型的Audio音乐情感分类方法[A];第四届和谐人机环境联合学术会议论文集[C];2008年
4 周志红;周新聪;严新平;袁成清;;磨粒特征参数的评价与优化方法研究[A];2006全国摩擦学学术会议论文集(一)[C];2006年
5 李娜;曾向阳;;目标识别中的样本选择和特征选择联合算法研究[A];2009年西安-上海声学学术会议论文集[C];2009年
6 周同民;;Fisher线性判别在儿童情绪识别中的应用[A];2006’和谐开发中国西部声学学术交流会论文集[C];2006年
7 伍建军;康耀红;;关于文本分类中特征降维方式的研究[A];第三届学生计算语言学研讨会论文集[C];2006年
8 刘功申;李建华;李生红;;基于类信息的特征选择和加权方法[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年
9 王浩畅;赵铁军;刘延力;于浩;;生物医学文本中命名实体识别的智能化方法[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年
10 王强;曾向阳;王曙光;李娜;;主元分析在水下目标特征选择中的应用[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 刘佳;语音情感识别的研究与应用[D];浙江大学;2009年
2 张颖;基于群集智能模式识别方法的研究[D];大连理工大学;2008年
3 谢波;普通话语音情感识别关键技术研究[D];浙江大学;2006年
4 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年
5 林奕琳;基于语音信号的情感识别研究[D];华南理工大学;2006年
6 吕铁军;通信信号调制识别研究[D];电子科技大学;2000年
7 杨水山;冷轧带钢表面缺陷机器视觉自动检测技术研究[D];哈尔滨工业大学;2009年
8 温万惠;基于生理信号的情感识别方法研究[D];西南大学;2010年
9 王磊;基于运动想象的脑电信号分类与脑机接口技术研究[D];河北工业大学;2009年
10 曾雪强;偏最小二乘降维方法的研究与应用[D];上海大学;2009年
中国硕士学位论文全文数据库 前10条
1 林玉志;基于声学特征的乐器识别研究[D];华南理工大学;2012年
2 蔡菁;皮肤电反应信号在情感状态识别中的研究[D];西南大学;2010年
3 王玉晶;基于禁忌搜索算法的生理信号情感识别研究[D];西南大学;2008年
4 杨瑞请;基于BPSO的生理信号的情感状态识别[D];西南大学;2008年
5 熊小草;文本分类中特征选择的理论分析和算法研究[D];清华大学;2007年
6 牛晓伟;生理信号的情感模式识别[D];西南大学;2008年
7 鲁舜;运用蚁群优化算法筛选情感生理信号特征[D];西南大学;2009年
8 王彬;基于呼吸信号的情感识别研究[D];西南大学;2010年
9 孟杰;基于构造性覆盖算法的中文文本分类[D];安徽大学;2007年
10 龚希龄;语音情感识别的特征选择与特征产生[D];长沙理工大学;2011年
中国重要报纸全文数据库 前10条
1 田红 记者 胥茜;论文无创新 一票能否决[N];中国教育报;2005年
2 王握文周珞晶 吴丹;11篇全国优秀博士学位论文的启示[N];科技日报;2008年
3 记者 欧阳春艳;全国百篇优秀博士学位论文评选揭晓[N];长江日报;2005年
4 本报特约通讯员  汤宏;播撒创新的种子[N];解放军报;2006年
5 学位办;研究生院奖励优秀博士学位论文[N];中国社会科学院院报;2008年
6 徐宜军;哈工大博士学位论文实行匿名评议制度[N];新华每日电讯;2005年
7 周玲玲;2007年全国优秀博士学位论文评选结果公布[N];中国教育报;2007年
8 本报记者 王亚;一秒钟检测90张人脸[N];政府采购信息报;2006年
9 王曼;充分利用院图书馆特色文献信息资源[N];中国社会科学院院报;2005年
10 周襄楠 李江涛;清华大学人脸综合识别系统全面应用推广[N];大众科技报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978