论文部分内容阅读
语言交流是日常生活中最常用的交流方式，而语言通常以语音的形式被表达出来。人们所说的每一句话，不仅包含着说话人所表达的语义信息，还蕴含着说话人丰富的情感信息。语音情感识别就是让计算机通过人类的语音，获得说话人的情感状态，具体过程为：从语音的各种形式中提取特征，选择与情感相关度较高的特征进行训练模型，使其具有辨别不同情感的能力，最后使用测试集验证模型性能。
本文采用语谱图和HSF（High-level StatisticalFunction）特征两种方法来研究语音情感识别，并以CASIA汉语情感数据库、SAVEE英语情感数据库和Berlin德语情感数据库三个不同语言数据库作为实验数据，实现了机器学习和深度学习两类不同模型上的情感分类。（1）基于语谱图的语音情感识别：语谱图被处理后，导入AlexNet和基于AlexNet的改进模型进行训练和识别，实验结果表明：相比于AlexNet，改进模型在三个数据库的情感识别准确率有大幅度地提高，平均提高了6%左右。（2）基于HSF特征的语音情感识别：将MARSYAS（Music Analysis,Retrieval and Synthesis for Audio Signals）提取的LLD（Low-Level Descriptor）特征统计得到HSF特征，使用经过特征选择后得到最佳HSF特征集，以支持向量机（Support Vector Machine,SVM）、反向传播神经网络（Back Propagation Neural Network,BPNN）和深度置信网络（Deep Belief Network,DBN）作为分类模型，得到了三个数据库的情感识别结果，BPNN在三个数据库上的情感识别结果均比SVM和DBN要好，尤其是在Berlin德语情感数据库上实现了84.11%的识别准确率。最后，通过比较不同模型在三个数据库上的情感识别结果，总结了两种语音情感识别方法的实施技巧，并从多方面分析了情感分类准确率低的原因，证明了改进模型的有效性和HSF特征的优越性。
本文采用语谱图和HSF（High-level StatisticalFunction）特征两种方法来研究语音情感识别，并以CASIA汉语情感数据库、SAVEE英语情感数据库和Berlin德语情感数据库三个不同语言数据库作为实验数据，实现了机器学习和深度学习两类不同模型上的情感分类。（1）基于语谱图的语音情感识别：语谱图被处理后，导入AlexNet和基于AlexNet的改进模型进行训练和识别，实验结果表明：相比于AlexNet，改进模型在三个数据库的情感识别准确率有大幅度地提高，平均提高了6%左右。（2）基于HSF特征的语音情感识别：将MARSYAS（Music Analysis,Retrieval and Synthesis for Audio Signals）提取的LLD（Low-Level Descriptor）特征统计得到HSF特征，使用经过特征选择后得到最佳HSF特征集，以支持向量机（Support Vector Machine,SVM）、反向传播神经网络（Back Propagation Neural Network,BPNN）和深度置信网络（Deep Belief Network,DBN）作为分类模型，得到了三个数据库的情感识别结果，BPNN在三个数据库上的情感识别结果均比SVM和DBN要好，尤其是在Berlin德语情感数据库上实现了84.11%的识别准确率。最后，通过比较不同模型在三个数据库上的情感识别结果，总结了两种语音情感识别方法的实施技巧，并从多方面分析了情感分类准确率低的原因，证明了改进模型的有效性和HSF特征的优越性。