情感語音信號中共振峰參數(shù)的提取方法開題報告(編輯修改稿)
2025-02-14 21:44 本頁面
【文章內容簡介】 先開展了普通話語音情感識別的研究。他們分析了不同情感的語音在時間構造，能量構造，基音構造，共振峰構造等方面的差別，以情感語音和自然語音特征向量的差值作為情感識別特征，用主成分分析法識別高興、驚奇、憤怒、悲傷四類情感，在較小的實驗數(shù)據(jù)集中能達到約80%的識別率。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。蔣丹寧通過特征的區(qū)別特性分析和分類實驗，研究了韻律特征在普通話語音情感識別中的作用。將韻律特征分解為純語音的特征和純情感的特征，并將后者運用于語音情感識別，用多層感知器對六種情感進行識別，%的識別率。臺灣大同大學資訊工程學系的包蒼龍教授領導的數(shù)據(jù)通訊與信號處理實驗室也較早地致力于普通話語音情感識別的研究。他們構建一個包含憤怒、高興、悲傷、厭煩和中立五個情感類別，約800句情感語音的普通話情感語音數(shù)據(jù)庫。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相關兩組語音素材做識別，%的識別率。中國電子科技研究院的付麗琴等人以HMM作為語音情感分類器模型，對不同情感狀態(tài)選擇不同的特征向量進行識別。系統(tǒng)分兩個階段完成:首先基于漏識率和誤識率最小的決策原則，采用優(yōu)先選擇(PFS)算法分別為每種情感狀態(tài)選擇最優(yōu)的特征向量，然后用這些特征向量分別建立對應情感狀態(tài)的HMM模型。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。三 主要研究內容 ，分析情感語音識別技術的國內外研究現(xiàn)狀、應用領域。 。 （1）虛假峰值 （2）共振峰合并 （3）高音調語音 。 （1）譜包絡提取法共振峰信息包含在語音頻譜包絡中， 因此共振峰參數(shù)提取的關鍵是估計自然語音頻譜包絡， 并認為譜包絡中的最大值就是共振峰。 （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。 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)。 （3）LPC法提取共振峰 從線性預測導出的聲道濾波器是頻譜包絡估計器的最新形式， 線性預測提供了一個優(yōu)良的聲道模型 （條件是語音不含噪聲） 。 （4）求根法
環(huán)評公示相關推薦
鄂ICP備17016276號-1