基于HMM和ANN混合模型的语音情感识别研究

摘要

随着情感计算成为人工智能的一个重要方向,语音情感识别作为情感计算的一个重要部分,已经逐渐成为模式识别领域研究的热点之一.随着研究的不断深入,单独使用某一种模式识别时效果并不理想.为了提高识别率,提出了一种将隐马尔可夫模型(HMM)和径向基函数神经网络(RBF)相结合的方法.这种方法对不同情感状态分别设计HMM模型,经过维特比(Viterbi)算法得到最优状态序列,然后对得到的状态序列进行时间规整,以便生成等维的特征矢量,将其作为RBF模型的输入进行语音情感识别,最后的识别结果由RBF模型给出.实验结果表明,与孤立HMM相比,该方法在识别率上有较大的提高.