情感和情绪在人类生活中起着很重要的作用,是自身生活和社会交往不可缺少的重要组成部分。随着现代科学的发展,对人工智能的要求也越来越高,对情感信息的处理已经成为人工智能发展的一个重要研究方向。本文主要研究了基于语义模型的情感语音识别问题。 本文首先对情感的定义和分类进行了介绍,然后对语音情感信息处理领域的现状和存在的问题进行了总结,了解了语音情感分析处理的研究进展和一些研究成果。 然后依次对语音信号的振幅构造、时间构造、基频构造和共振峰构造的特点和分布规律进行了分析。选取了振幅、发音持续时间、语速、基音轨迹和共振峰轨迹作为情感语音的特征参数。 在模式识别方面,本文首先介绍了情感语义模型的概念,展示了情感语义提取的基本框架。接着,具体介绍了典型相关分析和偏最小二乘回归分析两种用数据建立语义模型的方法。 典型相关分析是研究两组变量之间相关关系的多元统计方法。通过典型相关分析,可以从事物之间错综复杂的关系中找出一些主要的成分,从而有可能有效利用大量统计数据进行定量分析,揭示变量之间的内在关系。 偏最小二乘回归分析是一种新型的多元统计数据分析方法,利用对系统中的数据信息进行分解和筛选的方式,提取对因变量解释性最强的综合变量,辨识系统中的信息与噪声,从而更好的克服变量多重相关性在系统建模中的不良作用。 本文依次运用这两种算法进行基于语义模型的情感语音识别,均取得了较好的识别效果。