老年人语音情感识别系统设计与实现
发布时间：2021-12-22 05:32
随着人口老龄化和家庭空巢化问题日益加剧,独居老人的心理问题受到广泛关注。由于独居老人与子女通常不在一个空间范围内生活,双方容易缺少感情交流,现有的智慧养老系统又大多存在智慧化程度不高、情感关怀缺失等问题。基于此,本文以语音情感识别技术为核心,设计并实现一种可以智能检测老年人情感信息与自动推送情感状态的老年人语音情感识别系统,为老人提供优质、个性化的养老关怀服务。本文根据系统需求分析,提出基于C/S软件开发框架的系统总体方案,对系统设计过程中需要解决的关键问题提出算法进行研究,并将其应用于系统中,完成系统功能模块的详细设计。本文主要工作如下:1.设计系统总体方案,包括数据采集层、数据处理层与应用层。数据采集层负责采集老年人的语音信号,由数据处理层处理后进行语音情感识别,应用层则为老年人、子女及后台管理员提供交互平台。2.为了从采集的老年人带噪语音中提取纯净语音信号,改善语音质量,本文提出基于先验信噪比的维纳滤波改进算法。通过估计与改正噪声功率谱及修正谱增益函数来改进算法,仿真结果表明改进的算法对语音背景噪声的抑制效果优于传统的基于先验信噪比的维纳滤波算法;对基于卷积神经网络的语音情感识别...
【文章来源】：重庆邮电大学重庆市
【文章页数】：101 页
【学位级别】：硕士
【部分图文】：
老年人语音情感识别系统业务场景图
图 3.5 几种语音信号的时域波形比较NN 的老年人语音情感识别算法研究积神经网络的简称。卷积神经网络是一种高效识别方并引发巨大关注。目前，CNN 已经成为众多领域的自然语言处理、语音情感识别等。 CNN 原理，讨论其在语音情感识别中的使用，分析情感识别算法的缺点，在此基础上提出改进方案，并分析。本原理型
图 4.16 Caffe 环境配置软件更新过程2. 在 github 上下载 Caffe 源码，下载后提取到主文件夹目录下，图 4.17 显了该文件夹中的内容；图 4.17 Caffe 文件目录3. 打开配置文件 Makefile.config，修改 CPU_ONLY:=1，并删除注释符号#将：# CPU-only switch (uncomment to build without GPU support).# CPU_ONLY := 1变更为：# CPU-only switch (uncomment to build without GPU support).
【参考文献】：
期刊论文
[1]杭州市:推进“智慧养老”项目的全新探索[J]. 谷穗. 中国民政. 2018(02)
[2]Android与iOS对比分析及竞争优缺点[J]. 邹光临. 科技与创新. 2017(10)
[3]基于语谱图和卷积神经网络的语音情感识别[J]. 田熙燕,徐君鹏,杜留锋. 河南科技学院学报(自然科学版). 2017(02)
[4]技术+管理成就养老智慧化[J]. 邢帆. 中国信息化. 2017(04)
[5]智慧养老研究的现状及发展趋势分析——基于文献计量和知识图谱[J]. 赵英,刘任烨,田蜜,胡利佳. 山东财经大学学报. 2017(02)
[6]“互联网+”智慧养老的实践反思——基于X市Z平台的调研分析[J]. 袁小良. 社会工作与管理. 2016(02)
[7]面向语音情感识别的语谱图特征提取算法[J]. 陶华伟,査诚,梁瑞宇,张昕然,赵力,王青云. 东南大学学报(自然科学版). 2015(05)
[8]软件测试概论和方法[J]. 王佩多. 数字通信世界. 2015(08)
[9]中国老年人社交网站的可用性评估[J]. 孟凡兴,Pilsung Choe,杨华胜,吴庆超. 人类工效学. 2014(03)
[10]智慧养老:以信息化技术创新养老服务[J]. 席恒,任行,翟绍果. 老龄科学研究. 2014(07)
博士论文
[1]语音情感识别方法研究[D]. 王坤侠.合肥工业大学 2015
硕士论文
[1]基于改进神经网络的离线签名笔迹识别[D]. 梁曦璐.中国政法大学 2017
[2]基于改进卷积神经网络算法的研究与应用[D]. 王飞飞.南京邮电大学 2016
[3]基于深度学习的语音情感识别方法的研究[D]. 朱从贤.东南大学 2016
[4]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[5]基于数据融合的智慧养老医疗健康系统的研究与实现[D]. 蒋鸿.南京邮电大学 2015
[6]基于稀疏表示的语音增强算法研究[D]. 周辉.湖南大学 2013
[7]基于小波分析的语音增强算法研究[D]. 赵世明.安徽理工大学 2012
[8]语音增强技术研究[D]. 沈晓东.清华大学 2011
[9]基于Hilbert-Huang变换的语音增强研究[D]. 王伟.浙江大学 2008
本文编号：3545848
【文章来源】：重庆邮电大学重庆市
【文章页数】：101 页
【学位级别】：硕士
【部分图文】：
老年人语音情感识别系统业务场景图
图 3.5 几种语音信号的时域波形比较NN 的老年人语音情感识别算法研究积神经网络的简称。卷积神经网络是一种高效识别方并引发巨大关注。目前，CNN 已经成为众多领域的自然语言处理、语音情感识别等。 CNN 原理，讨论其在语音情感识别中的使用，分析情感识别算法的缺点，在此基础上提出改进方案，并分析。本原理型
图 4.16 Caffe 环境配置软件更新过程2. 在 github 上下载 Caffe 源码，下载后提取到主文件夹目录下，图 4.17 显了该文件夹中的内容；图 4.17 Caffe 文件目录3. 打开配置文件 Makefile.config，修改 CPU_ONLY:=1，并删除注释符号#将：# CPU-only switch (uncomment to build without GPU support).# CPU_ONLY := 1变更为：# CPU-only switch (uncomment to build without GPU support).
【参考文献】：
期刊论文
[1]杭州市:推进“智慧养老”项目的全新探索[J]. 谷穗. 中国民政. 2018(02)
[2]Android与iOS对比分析及竞争优缺点[J]. 邹光临. 科技与创新. 2017(10)
[3]基于语谱图和卷积神经网络的语音情感识别[J]. 田熙燕,徐君鹏,杜留锋. 河南科技学院学报(自然科学版). 2017(02)
[4]技术+管理成就养老智慧化[J]. 邢帆. 中国信息化. 2017(04)
[5]智慧养老研究的现状及发展趋势分析——基于文献计量和知识图谱[J]. 赵英,刘任烨,田蜜,胡利佳. 山东财经大学学报. 2017(02)
[6]“互联网+”智慧养老的实践反思——基于X市Z平台的调研分析[J]. 袁小良. 社会工作与管理. 2016(02)
[7]面向语音情感识别的语谱图特征提取算法[J]. 陶华伟,査诚,梁瑞宇,张昕然,赵力,王青云. 东南大学学报(自然科学版). 2015(05)
[8]软件测试概论和方法[J]. 王佩多. 数字通信世界. 2015(08)
[9]中国老年人社交网站的可用性评估[J]. 孟凡兴,Pilsung Choe,杨华胜,吴庆超. 人类工效学. 2014(03)
[10]智慧养老:以信息化技术创新养老服务[J]. 席恒,任行,翟绍果. 老龄科学研究. 2014(07)
博士论文
[1]语音情感识别方法研究[D]. 王坤侠.合肥工业大学 2015
硕士论文
[1]基于改进神经网络的离线签名笔迹识别[D]. 梁曦璐.中国政法大学 2017
[2]基于改进卷积神经网络算法的研究与应用[D]. 王飞飞.南京邮电大学 2016
[3]基于深度学习的语音情感识别方法的研究[D]. 朱从贤.东南大学 2016
[4]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[5]基于数据融合的智慧养老医疗健康系统的研究与实现[D]. 蒋鸿.南京邮电大学 2015
[6]基于稀疏表示的语音增强算法研究[D]. 周辉.湖南大学 2013
[7]基于小波分析的语音增强算法研究[D]. 赵世明.安徽理工大学 2012
[8]语音增强技术研究[D]. 沈晓东.清华大学 2011
[9]基于Hilbert-Huang变换的语音增强研究[D]. 王伟.浙江大学 2008
本文编号：3545848
本文链接：https://www.wllwen.com/kejilunwen/wltx/3545848.html
