基于特征选择和优化的语音情感识别研究

发布时间：2021-01-09 09:34

　　随着人工智能的发展,人们对机器的智能化研究更加深入,使机器具备和人一样的情感和思维是人机交互的重要难题。语音情感识别是情感识别领域中很重要的分支,在科学研究和商业应用这两个方面都存在很大的潜在价值。根据语音情感识别的科研与商业需要,本文基于特征选择和优化研究了语音情感识别这个课题。具体研究内容如下:提取语音中与情感相关的特征。包括四个韵律学特征:语速、基音频率、短时平均能量和短时平均过零率,一个音质特征:共振峰频率,以及一个频谱相关特征:梅尔频率倒谱系数。并获取了上述特征的统计参数。研究了基于随机森林的语音情感特征选择算法。根据提取到的语音情感特征,研究了几种情感相关特征对不同情感语音的识别准确率。根据基于随机森林的特征选择算法,得到四种情感语音的最优特征组合,对四种情感两两组合获得的六种情感组合,针对每种情感组合得到其最优的特征组合。研究了基于卷积神经网络的语音情感识别算法。首先,将MFCC与随机森林特征选择得到的特征组合起来作为输入特征,根据输入特征尺寸构建卷积神经网络模型,然后训练卷积神经网络,最终得到不同情感类别的语音的情感识别准确率。实验结果表明:使用卷积神经网络作为最终分类... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

图4.2两种情感特征输入时matlab仿真的网络结构

高兴和伤心40个特征输入的情感识别率训练结果图

高兴和伤心46个特征输入的情感识别率训练结果图

【参考文献】：
期刊论文
[1]语音情感特征提取及其降维方法综述[J]. 刘振焘,徐建平,吴敏,曹卫华,陈略峰,丁学文,郝曼,谢桥.  计算机学报. 2018(12)
[2]语音情感识别分类算法研究综述[J]. 李银河,李雪晖,徐楠,钟文雅,赵新仕,程晓燕,孙峰,袁键.  南阳师范学院学报. 2017(06)
[3]用于跨库语音情感识别的DBN特征融合方法[J]. 张昕然,巨晓正,宋鹏,查诚,赵力.  信号处理. 2017(05)
[4]基于情感维度理论的教师效果评价方法[J]. 高鑫鑫.  林区教学. 2017(03)
[5]中国人工智能40年[J]. 蔡自兴.  科技导报. 2016(15)
[6]基于卷积神经网络的语音情感识别方法[J]. 邵兵,杜鹏飞.  科技创新导报. 2016(06)
[7]大数据网络环境下舆情信息情感维度模型构建研究[J]. 刘英杰,黄微,李瑞.  情报理论与实践. 2016(04)
[8]基于经验模态分解结合傅氏变换与Wigner分布的Mel频率倒谱系数提取[J]. 曾以成,陈雨莺,毛燕湖,谢小娟.  湘潭大学自然科学学报. 2015(02)
[9]基于随机森林的不平衡特征选择算法[J]. 尹华,胡玉平.  中山大学学报(自然科学版). 2014(05)
[10]语音情感识别研究进展综述[J]. 韩文静,李海峰,阮华斌,马琳.  软件学报. 2014(01)

硕士论文
[1]基于神经网络的语音情感识别算法研究[D]. 乔文婷.西安电子科技大学 2018
[2]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
[3]基于随机森林的语音情感识别研究[D]. 刘进华.华南理工大学 2013



本文编号：2966398