基于多级分类的语音情感识别

《基于多级分类的语音情感识别》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、硕士学位论文基于多级分类的语音情感识别SPEECHEMOTIONREGOGNITIONBASEDONMYLTI-LAYERCLASSIFICATION任浩哈尔滨工业大学2016年6月国内图书分类号：TN929.5学校代码：10213国际图书分类号：621.396密级：公开工学硕士学位论文基于多级分类的语音情感识别硕士研究生：任浩导师：叶亮申请学位：工学硕士学科：信息与通信工程所在单位：电子与信息工程学院答辩日期：2016年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TN929.5U.D.C.:621.396DissertationfortheMaster’s

2、DegreeinEngineeringSPEECHEMOTIONREGOGNITIONBASEDONMYLTI-LAYERCLASSIFICATIONCandidate：RenHaoSupervisor：YeLiangAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：InformationandCommunicationEngineeringAffiliation：SchoolofElectronicsandInformationEngineeringDateofDefence：June,2016Degree-Conf

3、erring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要在人工智能飞速发展的今天，机器若要真正实现智能化，则必须要能够理解人类的情感，所以对于人类语音情感识别的研究显得尤为重要。本文选用柏林语音情感库，在传统SVM用于语音情感识别的基础之上，提出了一种多级分类算法，平均识别率较传统SVM方法提高了5.42%；然后本文又利用PCA来进行特征优选，将优选后的特征用于语音情感识别实验，所得七种情感的平均识别率也较传统SVM方法提高了5.24%；最后本文将多级分类与PCA相结合，在每一级判决器上都采用PCA来进行特征

4、优选，最终得到七种情感的平均识别率较传统SVM方法提高了7.85%。本文研究了如何对语音文本进行端点检测，并研究了MFCC、基音频率、共振峰、Delta特征、短时过零率、短时能量等情感特征的提取方法。采用所提取到的情感特征并利用传统SVM方法进行语音情感识别获得了58.69%的平均识别率。由传统方法所得出的混淆矩阵，本文引入了混淆度的概念，从而提出了一种多级分类构造算法，即将容易区分的情感先分开，然后再对易混淆的情感进行分类，逐级地判断出待识别语音的情感类型。与传统SVM进行语音情感识别相比，基于多级分类的语音情感识别平均识别率提高了5.42%，从而证明了该多级分类算法确实能够

5、提高语音情感的识别率。然而，由于所涉及语音特征较多，算法对运行速度和存储空间都有较高的要求。本文采用PCA来优选特征，将PCA与传统SVM方法相结合得到的平均识别率较传统基于SVM方法提升了5.24%，从而证明了PCA用于特征降维并优选特征确实能够提高情感识别率。最终将多级分类与PCA特征降维相结合，从而得到七种情感的平均识别率为66.54%，与传统基于SVM方法进行语音情感识别进行对比，该方法得到的平均识别率提高了7.85%，从而证明了本文所提出的方法的正确性。关键词：语音情感识别；特征提取；多级分类；PCAI哈尔滨工业大学工学硕士学位论文AbstractNowadays，t

6、hedevelopmentofartificialintelligenceishighlydeveloped,tomakethemachinereallyintelligent,itistooimportanttoletthemachineunderstandtheemotionalofhumanbeings.Inthispaper,thestudyofspeechemotionrecognitionisbasedontheBerlinspeechemotiondatabase.ThisarticleproposesaSVM-basedmulti-layerclassifier

7、,theproposedmulti-layerSVMclassifierimprovestheaverageaccuracyby5.42%.ThentheauthorusePCAtooptimizefeature,andusetheselectedfeaturesforspeechemotionrecognition,theaveragerecognitionratethanthetraditionalSVMmethodpromote5.24%.Weproposesamulti-layerS