【正文】 在此，謹向教育培養(yǎng)我的導師表達我最衷心的感謝。 ，所以估計共振峰參數(shù)的效果是較好的，但其運算量太大。本文就情感語音中共振峰參數(shù)的提取方法進行了 研究，并應用倒譜法實現(xiàn)了情感語音中共振峰參數(shù)的提取，現(xiàn)將本文主要工作總結(jié)如下： （ 1） 介紹情感分類及本文所用情感語音數(shù)據(jù)庫。 倒譜法提取情感語音共振峰具體實現(xiàn)過程 倒譜將情感語音諧波和聲道的頻譜包絡分離開來。 17 倒譜法提取共振峰原理 共振峰信息包含在頻譜包絡之中，因此共振峰參數(shù)提取的關鍵是估計自然語音頻譜包絡，譜包絡中的最大值就是共振峰。這樣，由 h(n)經(jīng) DFT 得到的H(k)，就是聲道的離散譜曲線，用 H(k)代替直接 DFT 的頻譜，因為去除了激勵引起的諧波波動，所以可以更精確地得到共振峰參數(shù)。 章文義，朱杰，陳斐利在一種新的共振峰參數(shù)提取算法及在語音識別中的應用一文 15 中采用了一種基于逆濾波器原理的方法來識別共振峰參數(shù)。其重要性在于提供了一組簡潔的語音信號模型參數(shù)，比較精確地表征了語音信號的幅度譜，而分析它們所需的計算量相對而言并不大。當然 , LPC 分析階 P 的選擇很重要 , 它近似等于語音信號的抽樣頻率 , 這是因為語音譜一般可用每 1kHz 具有 1 對共扼極點的平均密度來表示聲道造成的響應 , 于是采樣頻率為 Fs(kHz)的語音信號的 LPC 譜大約有 Fs 個極點。由于頻率響應 H(e jω ) 反應聲道的頻率響應和被分析信號的譜包絡，因此用 log |H(e jω )| 做傅里葉反變換求出的 LPC 倒譜系數(shù)，也可以被認為是包含了信號譜的包絡信息，因此可以將其看作對原信號短時倒譜的一種近似。然而，假設每一幀的最初猜測值域前一幀的 根的位置重合，那么根的幀到幀的移動足夠小，經(jīng)過較少的重復運算后，可使新的根的值會聚在一起。因為 ????? piiizazA11)(，所以求此多項式系數(shù)序列（ 1， a1， 11 a2，?， ap）的 DFT，就可以得到 A(k)。因為倒譜運用對數(shù)運算和二次變換將基音諧波和聲道的頻譜包絡分離開來。傳統(tǒng)的頻譜包絡估計方法是利用由諧波峰值提供的樣點。在正常情況下，頻譜包絡中的極大值完全是由共振峰引起的。 在語音聲學中，人聲也同樣受自身生理如鼻孔、咽腔、口腔大小的影響有自身的共振峰區(qū)（ Formant Regions）。 7 第 3章 共振峰的基本概念 共振峰參數(shù)的概念及產(chǎn)生原理 發(fā)音時，氣流通過聲道，引起聲道諧振，產(chǎn)生的 一組諧振頻率，稱為共振峰頻率或簡稱共振峰。然而，純文本引導對于內(nèi)心情感狀態(tài)的生成比較緩慢和微弱，這種方式獲得的情感語句對文本內(nèi)容的選擇性比較強。這種類型的語音被普遍認為是最理想最可信的情感語料。在此基礎上， Plutchik 等人提出了 “ 情感輪 ” 理論，認為情感分布在一個類似于鐘表盤的圓形結(jié)構(gòu)上，圓心是自然原點，表示人在內(nèi)心平靜時的情感狀態(tài)，而圓周上的標注標明兒種基本情感類型，其排列方式可根據(jù)具體研究需要設置 [20]。在情感計算領域，許多學者從不同的角度研究了情感的分類問題，并提出了相應的情感類型定義。 第三章介紹了共振峰的概念，說明了共振峰在情感語音識別中的重要性；接 下來分析了提取共振峰參數(shù)所遇到的問題。 （ 4）求根法提取共振峰 找出多項式復根的過程通常采用牛頓 — 拉夫遜 （ NewtonRaphson）算法。利用北航情感語音庫(BHUDES)對算法進行驗證，將所有實驗樣本分為訓練樣本集、特征選擇樣本集和測試樣本集 3 組，采用交叉實驗的方法對本算法進行驗證，結(jié)果表明，與單特征向量 HMM相比，多特征向量 HMM 可達到更高識別精度 [14]。 由清華大學計算機科學與技術系的蔡蓮紅教授領導的人機語言交互實驗室也開展了普通話語音情感識別研究。他們還開發(fā)了一個情感語音分析的 ASSESS 工具，用統(tǒng)計的方法分析語音的聲學特征與情感的相關性，并用基頻曲線、能量強度和停頓、摩擦音及爆破音的邊界信息等，對憤怒、害怕、高興和悲傷 4 類主要情感進行了分類，用判別分析的方法達到了 55%的識別率 [7][8]。如：合理的有效的語音情感特征建模方法；開發(fā)更全面更有效的語音情感特征；對情感語句中主要 反映情感變化的關鍵詞和短語的研究。所以共振峰是語音信號處理中非常重要的特征參數(shù)，人在語音感知中也利用了共振峰信息，已經(jīng)廣泛地用作語音識別的主要特征和語音編碼傳輸?shù)幕拘畔?。語音情感信息處理技術的研究對于提高計算機的智能化具有重要的現(xiàn)實意義。分析提取結(jié)果，得到了下面的一些結(jié)論：相對于中立發(fā)音而言 ， 高興和生氣的第一共振峰頻率相對升高，從人的發(fā)音特點來看，人們在表達高興和生氣時，嘴比平靜發(fā)音時張得更大，因此會出現(xiàn)這樣的結(jié)果。 （ 1）譜包絡提取法 （ 2）倒譜法提取共振峰 （ 3） LPC 法提取共振峰 （ 4）求根法提取共振峰 （ 5） LPC 倒譜法提取共振峰 ，分析其優(yōu)缺點并利用這種方法提取情感語 音中的共振峰。 （ 2）倒譜法提取共振峰：因為倒譜運用對數(shù)運算和二次變換將基音諧波和聲道的頻譜包 絡分離開來。共振峰是反映聲道諧振 第 1 頁 特性的重要特征，它代表了發(fā)音信息的最直接的來源，而且人在語音感 知中利用了共振峰信息。 2：分析總結(jié)各種共振峰的提取方法。語音信號不僅包含語音信息， 還包含著說話人的情感信息。如果講話者的發(fā)音中包含喜、怒、哀、樂等情感信息，那么講話者的聲道形狀就會發(fā)生不同的變化。 第 2 頁 畢業(yè)設計（論文）主要內(nèi)容： 1：介紹情感語音信號共振峰提取的背景及研究意義，分析語音合成技術的國內(nèi)外研究現(xiàn) 狀、應用領域。提取共振峰的常用方法包括：譜包絡提取法、倒譜法和 LPC 法。 Cepstrum III 目錄 摘 要 .................................................................... I Abstract ................................................................ II 第 1章 緒論 .............................................................. 1 選題意義 ......................................................... 1 情感語音識別技術的國內(nèi)外發(fā)展現(xiàn)狀 ................................. 1 國際情感語音識別發(fā)展現(xiàn)狀 ................................... 1 國內(nèi)情感語音識別發(fā)展現(xiàn)狀 ................................... 2 本文的主要研究內(nèi)容及結(jié)構(gòu)安排 ..................................... 3 本文的主要研究內(nèi)容 ......................................... 3 本文的結(jié)構(gòu)安排 ............................................. 3 第 2章 情感的分類與語音情感識別 .......................................... 5 情感的分類 ....................................................... 5 情感語音數(shù)據(jù)庫 ................................................... 5 語音情感識別系統(tǒng) ................................................. 6 第 3章 共振峰的基本概念 .................................................. 7 共振峰參數(shù)的概念及產(chǎn)生原理 ....................................... 7 共振峰參數(shù)的研究意義 ............................................. 7 提取共振峰參數(shù)所遇到的問題 ....................................... 7 第 4章 共振峰的提取方法及分析 ............................................ 9 譜包絡提取法 ..................................................... 9 倒譜法提取共振峰 ................................................ 10 LPC 法提取共振峰 ................................................ 10 求根法提取共振峰 ................................................ 11 LPC 倒譜法提取共振峰 ............................................ 12 幾種提取方法分析比較 ............................................ 13 同類文章提取方法比較 ............................................ 14 第 5章 倒譜法提取共振峰的實現(xiàn) ........................................... 16 倒譜的定義 ...................................................... 16 倒譜法提取共振峰原理 ............................................ 17 倒譜法提取情感語音共振峰具體實現(xiàn)過程 ............................ 17 共振峰提取結(jié)果及結(jié)論分析 ........................................ 19 IV 情感語音原始波形 .......................................... 19 情感語音共振峰提取結(jié)果 .................................... 20 結(jié)論分析 .................................................. 22 第 6章 總結(jié)與展望 ....................................................... 23 全文總結(jié) ........................................................ 23 展望 ............................................................ 23 參考文獻 ................................................................ 24 致 謝 .................................................................. 26 外文原文 ................................................................ 27 中文翻譯 ................................................................ 36 1 第 1章 緒 論 選題意義 隨著多模態(tài)人機交互技術的發(fā)展，新型人機交互模式的應用前景更加廣闊。 漢語普通話發(fā)音中情感特征信息的特征參數(shù)主要包括發(fā)音持續(xù)時間、振幅能量、 基音 頻率和共振峰頻率等。近幾年，研究者對語音中的情感信息表現(xiàn)出日益濃厚的興趣。此后， MIT 媒體實驗室 Raul Fernandez 在 2020 到2020 年還完成了關于從語音的韻律學參數(shù)入手的語音情感識別的計算模型研究，試驗用有韻律特征進行分類實驗，比較了與人類情感識別的性能差異 [4][5]。 國內(nèi)情感語音識別發(fā)展現(xiàn)狀 目前， 國內(nèi)也 已經(jīng) 有多所高校從事語音情感識別的研究，東南大學 、 清華大學、浙江大學、中國臺灣大學、中國科學院、微軟亞洲研究院、哈爾濱工業(yè)大學等機構(gòu)在這方面做了大量工作。在語音情感識別中，提取 16 個 LPC 參數(shù)， 12 個 LPCC 參數(shù)， 16 個 LFPC 參數(shù)， 16 個 PLP 參數(shù)， 20 個 MFCC參數(shù)組成向量，作為識別特征，用 LDA， KNN 和 HMM 分類器對說話人無關和說話人 3 相關兩組語音素材做識別，得到最高 %的識別率 [13]。 （ 2）倒譜法提取共振峰 因為倒