基于高斯混合模型情感lpc系数的研究和建模

《基于高斯混合模型情感lpc系数的研究和建模》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、原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特另tI,DH以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名：皇险日期：坐年』月卫日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保

2、存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。作者签名：奄煎生导师签名4刍吐丝一日期：竺年三月』日摘要随着信息技术的高速发展，人类对计算机的依赖性不断增强，因此，人机的交互能力越来越受到研究者的重视。语音是众多信息载体中具有最大信息容量的信号，具有最高的智能水平。当今语音信号处理研究的热点，己从传统的只着眼于词汇传达的准确性，到了研究语音信号的情感表达。因此，本文从情感语音的特征级出发，对LPC(线性预测)系数的情感建模进行了研究。本文针对当前缺乏语音情感特征的发声模型方面的专门研究的现状，通

3、过探索情感特征与LPC系数之间的映射关系，提出建立LPC系数的情感模型的新方案。本文在中科院情感语音库的基础上分别建立高兴、愤怒、悲伤及中性四种情感数据库；研究情感语音的音质特征参数，得到上述四种情感的共振峰统计规律；重点设计并实现基于高斯混合(GMM)模型的情感LPC系数的建模方案，通过采用不同情感语音的LPC特征矢量，结合动态时间规整技术(DTW)、期望最大化算法(EM．)和最小均方误差准贝,tJ(MMSE)，对模型进行训练和参数估计，最终获得高兴、愤怒、悲伤三种情感对中性语音的LPC系数映射规则函数，完成对情感LPC参数的建模。并设计实验测试方案，采用板仓一斋田

4、准则(工S)对通过映射函数得到的LPC系数和标准中性语音的LPC系数进行谱失真测度的计算，仿真实验结果表明，建立的情感模型有效的表征了不同情感对LPC系数的影响。本文提出的基于高斯混合模型的情感LPC参数的声学建模方法，是情感语音信号处理领域的一个新的研究方法，为情感给语音合成、识别等带来的影响研究提供了新的思路和解决方案。关键词：情感语音建模，LPC系数，高斯混合模型，EM算法ABSTRACTWiththerapiddevelopmentofinformationtechnology，humandependenceoncomputerisgrowing．Theref

5、ore，human—computerinteractioncapabilitiesgetmoreandmoreattentionofresearchers．Voicehasthelargestinformationcapacityinmanyinformationcarder，withthehighestlevelofintelligence．Traditionalvoiceprocessingsystemsfocusontheaccuracyofvoiceonly，ignoringtheemotionalfactorscontainedinthevoicesigna

6、l．Therefore，thisarticlestudiedonemotionalspeechmodelingoflpccoefficients．Accordingtostatusofdeficiencyofstudyonemotionalspeechmodeling，thepaperpresentsanewmethodofemotionalspeechmodelingoflpccoefficients．Thepaperestablishedfourkindsofemotionalspeechdatabaseincludinghappy，angry，sadandneu

7、tralemotionrecordedbyChineseAcademyofSciences；researchedacousticcharacteristicparameters；gotResonancepeakstatisticalregularityofdifferentemotion；designedandrealizedthenewmodelingschemeofemotionallpccoefficient．ItuseddifferentemotionalLPCfeaturevector，combinedwiththedynamictimew