基于模糊综合评价法的情感语音数据库的建立

《基于模糊综合评价法的情感语音数据库的建立》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于模糊综合评价法的情感语音数据库的建立　　摘要：为建立一个真实、自然、丰富的情感语音数据库，研究选择高兴、惊奇、悲伤、生气四种情感类型，利用截取广播剧的方式获得初选阶段的情感语音数据库。通过模糊综合评价与层次分析法、熵权法相结合建立情感语音的模糊综合评价模型，利用该模型对初选阶段的数据库进行模糊评价，筛选得到最终高质量的情感语音数据库。将三种类型的数据库用于情感语音识别实验，对比分析了不同类型数据库的差异，同时也验证了本数据库的有效性。　　关键词：情感语音数据库；模糊综合评价；层次分析法；熵权法；情感语音识别　　中图分类号：TN912?34文献标识码：A文章编号：1004?373X

2、（2016）13?0051?04　　Abstract：Toestablishareal，naturalandabundantemotionalspeechdatabase，fouremotiontypesofhappy，surprise，sadandangryarechosen.Thewayofradiodramainterceptingisusedtoobtaintheemotionalspeechdatabaseinprimarystage.Thefuzzycomprehensiveevaluationmodelofemotionalspeechwasestablishedinc

3、ombinationwithfuzzycomprehensiveevaluation，analytichierarchyprocessandentropyweightmethod.Thefuzzyevaluationforthedatabaseinprimarystagewasconductedwiththemodelto11obtainthefinalemotionalspeechdatabasewithhighquality.Threekindsofspeechdatabaseswereappliedtotheemotionalspeechrecognitionexperimen

4、t.Thedifferencesofdifferentdatabasesarecomparedandanalyzed.Theeffectivenessofthisdatabasewasverified.　　Keywords：emotionalspeechdatabase；fuzzycomprehensiveevaluation；analytichierarchyprocess；entropymethod；emotionalspeechrecognition　　语言是人类交换信息最方便、最快捷的一种方式。在高速发达的信息社会中，情感语音技术的发展为实现人与机器的情感交流提供可能[1]。

5、情感语音数据库是情感语音识别的基础，语音库的质量决定着情感语音识别系统性能的优劣。高质量的情感语音数据库有利于情感语音特征的分析提取，有利于情感语音识别系统判断说话人的情感状态，因此如何构建一个真实、自然、可靠的情感语音数据库就显得尤为重要。而语音数据库质量高低要从情感准确度、噪声影响、自然度等角度综合评判。本文利用模糊综合评价结合层次分析法（AnalyticHierarchyProcess，AHP）、熵权法构建模糊综合评价模型，将定性分析转化为定量分析，为数据库的有效性提供了保障。最后，本文将表演型数据库、激励型数据库和摘引型数据库应用于情感识别研究中，对比分析不同类型的数据库之间

6、的差异，同时也验证了本数据库的有效性。　　1初选阶段情感语音数据库的建立11　　目前，在国内外语音研究领域，由于研究需求、获取途径、情感分类、语种等差异，情感语音数据库种类繁多（如Maribor数据库、CASIA数据库、VAM[2]）。按照获取方式的不同，情感语音数据库大致可分为四类[3]：表演型、激励型、启发型和摘引型。摘引型情感语音数据库有着较高的情感真实度，情感表达直接由心理状态触发而成，并且在多媒体素材中有上下文内容，为以后的研究提供关联信息。因此选择构建摘引型情感语音数据库。为了截取并建立高质量的情感语音库，多媒体素材需要在语种、语义、规模、情感、信噪比方面符合一定的要求[

7、4]。广播剧是一种戏剧形式，通过声音进行传播，能给听众创造无限的想象空间[5]。广播剧中语料来源于专业演员，所用语言为标准普通话，贴近生活，符合日常表达习惯，有着丰富的情感成分，并且对人物语言精确性、表现力要求高，语音质量好。基于以上特点，考虑到情感丰富性、人物多样性、情节多变性等因素，选取广播剧作为截取语音库的媒体素材。　　参考Rusell等人运用情感理论构建情绪二维模型[6]，本文选择高兴、惊奇、悲伤和愤怒四种情感粒度大、混淆度低的情感类别构建数据库。