基于婴儿哭声检测的婴儿情感需求信息识别方法研究

发布时间：2020-06-14 04:37

【摘要】：近年来,随着人口老龄化问题日趋严重,就业压力逐步增大,使得越来越多的女性同胞走向工作岗位而不能有效地陪伴婴儿成长。但是,婴儿出生后的最先几个月内获得的安全感将伴随今后生活,因此及时满足宝宝需求会让孩子更健康地成长。目前主要由老人和保姆来代替父母看护的方式在理解宝宝需求,尤其是宝宝啼哭时的需求方面存在明显不足。在婴儿哭声情感需求信息领域中,绝大数的研究工作聚集在寻找婴儿在不同情感需求状态下的有效特征与寻找婴儿哭声中的不同情感需求信息识别模型上。但是,由于婴儿所处的环境并非绝对安静的环境,环境噪声将极大地降低婴儿哭声情感需求信息的识别率。因此,如何提高婴儿哭声中的不同情感需求信息识别模型的鲁棒性是一个亟待解决的问题。在现有研究的基础上,本课题拟在以下几个方面开展研究工作:(1)建立了婴儿在不同情感需求信息状态下的哭声语料库。语料是研究语音情感识别的基础,目前婴儿哭声情感需求信息语料在国内外上尚没有统一的语料库。针对这种情况,本文构建了婴儿哭声情感需求信息语料库。(2)研究了传统语音情感声学特征在婴儿哭声中不同情感需求信息识别模型中的抗噪鲁棒性。本文将韵律特征与相关谱特征相结合作为原始特征,分别研究了Softmax回归算法、人工神经网络和支持向量机三种方法的抗噪鲁棒性。实验结果表明,这三种识别模型虽然都具有一定的鲁棒性,但是效果不是很理想。(3)提出了基于改进的卷积神经网络来增强婴儿哭声中的不同情感需求信息识别的鲁棒性。本文在传统卷积神经网络的基础上,提出了基于多尺度卷积核与多池化方法的卷积神经网络来增强婴儿哭声中的不同情感需求信息识别的鲁棒性。实验表明,基于改进的卷积神经网络对于增强婴儿哭声中的不同情感需求信息识别的鲁棒性取得了良好的效果。(4)提出了基于Gabor灰度图谱多尺度块局部二值模式特征来提高婴儿哭声中的不同情感需求信息的鲁棒性。在传统的灰度图谱局部二值模式的基础上,首先生成语谱图灰度图像;其次,使用Gabor小波滤波;最后使用多尺度块局部二值模式对图像进行特征提取。实验表明,基于Gabor灰度图谱多尺度块局部二值模式特征对于增强婴儿哭声中不同情感需求信息识别的鲁棒性取得了良好的效果,与传统特征相比,其抗噪性能更好。 【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN912.34

【图文】：

剖面图,生理结构,咽喉,成年人

章首先介绍了婴儿发声的生理结构与生理原理，从生理角度出发，分析了；然后介绍了数据归一化、预加重、分帧加窗及 VAD 等语音预处理的相关绍了语音韵律特征的原理与提取，其中包括能量及其衍生参数、基音频率、共振峰及其衍生参数等内容；其次介绍了谱特征的原理及提取，主要是生参数的提取；最后介绍了语谱图的相关内容。儿哭声生理特征儿在出生时，其发声系统尚未发育成熟，因此其发声系统与成年人有所好地研究婴儿哭声所表达的情感需求信息，在此先对婴儿的发声结构进分为两小节，第一小节说明了婴儿发声的生理结构，第二小节说明了婴儿儿发声的生理结构类之所以能够发出各种各样的声音，是因为人类有一个完善的发声系统。人咽喉生理结构剖面图所示。

生理结构,婴儿,咽喉,成年人

东南大学硕士学位论文开闭时间也因人而异，例如婴儿基频偏高，老年男性偏低。口咽部与鼻咽部在人类发声系统中主要起到共鸣腔体的作用[28]，从声门到嘴唇的整个呼吸通道被称为声道。当人们说话的时候，声门处的气流导致声带产生振动，然后经过声道产生共鸣从而形成语音。当发出不同的声音时，声道的形状会发生变化。然而声道的形状是由口咽部进行控制的，因此，口咽部在人类发声系统中扮演着不可或缺的角色[29]。口咽部主要由嘴唇、舌头、牙齿、腭等器官组成。人体通过改变口型的大小、控制舌头的位置等来改变声道的形状[30]。鼻咽部主要由鼻子等器官组成，，鼻咽部是能否发鼻音的关键。

【相似文献】