基于最优小波包分解的语音情感识别研究

摘要

随着信息技术的快速发展和对于人机交互技术要求的不断提高，新一代的人机交互对计算机情感智能的需求日益凸显。情感识别是情感智能的基础与必要前提，具有重要的理论研究意义和广阔的市场前景。作为一种高效的人机交互途径，语音信号蕴含着丰富的说话人情感信息，语音情感识别这项交叉学科研究课题正得到越来越广泛的关注与重视。近年来，小波包分析作为非稳态信号分析的有力工具，在数字语音信号处理领域得到了广泛关注。对于语音情感识别研究，发挥小波包分析的优点，提取能有效表征情感的语音特征，是本文的重点研究内容。
　　本文首先介绍了语音情感识别的研究背景与意义，对语音情感识别的研究现状作了概括性的描述，并分析了语音情感识别研究中的关键问题。
　　针对语音情感识别问题，本文定义了用于构建最优小波包基的Fisher比率准则函数，并实现了Fisher比率准则下最优小波包基的构建。在此基础上，本文提取了一种语音情感新特征——小波包倒谱系数。采用支持向量机作为语音情感分类器，本文通过大量的对比实验验证了小波包倒谱系数特征在语音情感识别中的有效性。其后，本文研究了小波包倒谱系数特征与传统声学特征的融合，实验结果表明多特征融合进一步提高了语音情感识别的正确率。
　　最后，针对语音情感识别中的噪声问题，本文引入了对加性白噪声具有较好鲁棒性的子带频谱质心参数，并通过适当的融合策略将其与小波包倒谱系数相结合，提出了一种小波包倒谱系数特征的噪声鲁棒性改进算法。不同信噪比水平下的语音情感识别实验结果表明，相比于原始的小波包倒谱系数特征以及梅尔频率倒谱系数特征，改进后的特征具有更好的噪声鲁棒性。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 语音情感识别的研究现状

1．2．1 情感建模和情感语料库

1．2．2 语音情感特征

1．2．3 语音情感分类器

1．3 研究内容与章节安排

第二章 语音情感识别研究综述

2．1 情感建模

2．1．1 情感的定义

2．1．2 情感的分类

2．2 情感语料库

2．2．1 情感语料的获取方式

2．2．2 具有代表性的情感语料库

2．2．3 本文选用的情感语料库

2．3 语音信号预处理

2．3．1 预加重

2．3．2 分帧和加窗

2．3．3 端点检测

2．4 语音信号的声学特征

2．4．1 韵律特征

2．4．2 音质特征

2．4．3 谱特征

2．5 本章小结

第三章 基于小波包分解的语音情感特征提取算法

3．1 多分辨率分析

3．2 小波包分析

3．2．1 小波包分析的数学描述

3．2．2 可容许树

3．2．3 小波包滤波器组

3．2．4 频率排序

3．3 Fisher比率准则下的最优小波包基

3．3．1 Fisher比率准则函数

3．3．2 最优小波包基的搜索算法

3．4 小波包倒谱系数特征的提取

3．5 本章小结

第四章 基于小波包倒谱系数特征的语音情感识别

4．1 统计特征的提取

4．2 特征降维

4．3 支持向量机

4．3．1 线性SVM

4．3．2 非线性SVM与核函数

4．3．3 SVM用于多类分类

4．4 基于小波包倒谱系数的语音情感识别实验

4．4．1 实验设计

4．4．2 实验结果与分析

4．5 多特征融合的语音情感识别

4．5．1 特征融合策略

4．5．2 实验结果与分析

4．6 本章小结

第五章 语音情感特征的噪声鲁棒性改进

5．1 概述

5．2 噪声特性

5．2．1 噪声的特性及分类

5．2．2 高斯白噪声

5．3 噪声鲁棒的语音情感特征提取方法

5．3．1 基于自回归模型的谱估计方法

5．3．2 子带频谱质心

5．3．3 子带频谱质心加权的小波包倒谱系数

5．4 噪声环境下的语音情感识别实验

5．4．1 实验设计

5．4．2 实验结果与分析

5．5 本章小结

第六章 总结与展望

6．1 本文工作总结

6．2 今后工作的展望

致谢

参考文献

作者在攻读硕士学位期间取得的学术成果