基于语音信号的情绪识别研究

《基于语音信号的情绪识别研究》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、硕士学位论文基于语音信号的情绪识别研究RESEARCHONTHESPEECHEMOTIONRECOGNITIONBASEDONVOICESIGNAL李青哈尔滨工业大学2011年6月国内图书分类号：TP242.6学校代码：10213国际图书分类号：681.568.74密级：公开工学硕士学位论文基于语音信号的情绪识别研究硕士研究生：李青导师：祝宇虹副教授申请学位：工学硕士学科、专业：机械电子工程所在单位：机电工程学院答辩日期：2011年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP242.6U.D.C:621.865.8Di

2、ssertationfortheMasterDegreeinEngineeringRESEARCHONTHESPEECHEMOTIONRECOGNITIONBASEDONVOICESIGNALCandidate：LiQingSupervisor：AssociateProfessorZhuYuhongAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：MechatronicsEngineeringAffiliation：SchoolofMechatronicsEngineeringDat

3、eofDefense：June,2011DegreeConferringInstitution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要在人机交互不断取得新进展的同时，计算机缺乏情感越来越成为双方交流的障碍，于是诞生了“情感计算”科学。语音情绪识别是情感计算的重要分支，在人机交互中有着广泛的应用。本文以汉语语音中的情绪为研究对象，采用高斯混合模型和最大期望算法为主要手段，对语音情绪识别进行了探讨，并设计出了语音情绪识别算法，提高了人机交互的智能水平。首先，分析人类的发音机理和汉语发音的几种特点；

4、结合本课题的研究对象和录音脚本的选取原则，用诱导式录音法建立起了语音数据库；根据发音与情绪之间的关系提取出了能够表达情绪变化的特征参数，并用中心削波原理对自相关函数法计算基音周期进行了改进，提高了运算速度。其次，分析了用高斯混合模型进行情绪分类的方法并加以改进，用期望最大算法将对数似然函数最大化，扩大了高斯混合模型对语音情绪的识别范围；编写了MATLAB程序完成了权值学习和情绪识别的过程，实现了对语音信号中的情绪分类；讨论了期望最大算法的收敛性。最后，用凌阳公司开发的控制板和直流驱动的小车作为实验平台，实现了用语音情绪来控制小车的行进路线，验

5、证了情绪识别的正确性；通过对情绪失控的探索，提出了利用情绪提高人机交互中的安全性的方法；对情绪程度进行了尝试性探索。关键词：情感计算；语音情绪识别；语音特征参数提取；高斯混合模型；期望最大算法-IV-哈尔滨工业大学工学硕士学位论文AbstractWiththeadvancementofhuman-machineinteraction,lackofemotionalhasbecomeagreaterbarrier,so“affectivecomputing”scienceappeared.Speechemotionrecognitionisak

6、eybranchofaffectivecomputing.Speechemotionrecognitionhasbeenusedinallfieldsofinteraction.ThispaperstudiedtheemotionsinChinesespeechmainly.GaussianMixtureModelandExpectationMaximumalgorithmwereappliedtointelligentcarcontrolledbythemoodofvoice.Intelligentlevelwasenhancedinthe

7、processofhuman-machineinteraction.Firstly,humanbeings’pronunciationmechanismwasanalyzedandseveralcharacteristicsofpronunciationweresummarized.Voicedatabasewassetupbymeansofinducingrecordcombinedwiththeprincipleofrecordingscriptsselectionandthisresearchtopic.Characteristicsp

8、arameterswereextractedaccordingtotherelationshipbetweenpronunciationandemotion.Cen