基于基频特征情感语音识别研究.docVIP

基于基频特征情感语音识别研究 　　摘要:探索在不同的情感状态下的基音特征变化规律#65377;通过对含有生气#65380;高兴#65380;悲伤情感语音信号进行分析,总结了情感语音基频的变化规律,确定了用于情感识别的12维的基频的基本特征以及扩展特征,运用混合高斯模型进行情感识别,并作了识别实验,获得了较好的结果#65377;?? 　　关键词:语音信号;基频;情感特征;情感识别?? 　　中图分类号:TP391.42文献标志码:A 　　文章编号:1001-3695(2007)10-0101-03 　　 　　0引言?? 　　 　　情感计算是近年来研究的一个热门话题#65377;让计算机带有情感,这是人工智能与人机交互追求的目标#65377;关于对人类情感处理的研究正在不断地深入之中,其中语音信号中的情感信息处理的研究越来越受到人们的重视#65377;?? 　　从语音信号中提取情感特征,判断说话人的喜怒哀乐,分析人的情感和语音信号的关系,只是刚刚兴起的研究课题[1,2]#65377;传统的语音识别着眼于语音词汇表达的准确性,忽略了包含在语音信号中的情感因素#65377;本文从语音的基频特征出发,统计了不同情感下语音基频的变化规律,确定了基于基频的情感语音特征,最后用GMM进行建模和识别,对于语音情感识别作了初步探讨,取得了较好的效果#65377;?? 　　 　　1情感语音数据的采集?? 　　 　　用于情感分析的语音信号是研究工作开展的基础#65377;在建立情感语音数据库时,事先从TIMIT数据库中选出一些句子,均分成四组,找在校的大学生分别用四种不同的情感读,每人4组,每组25句#65377;所选择的语句能够加入说话人的不同情感#65377;如果所选择的语句比较中性或者说很难强加一定的感情,那必然对发音和识别均带来很大的困难,从而无法比较同一语句在各种不同情感状态下各种特征参数的不同之处#65377;在录制完后,对所有的语音进行评估,对于不符合要求的句子要进行补录#65377;?? 　　 　　2情感语音特征的分析与选取?? 　　 　　语音情感识别要解决的基本问题,是要找到情感与语音模式之间较好的对应关系#65377;特别地,要寻找计算机能抽取和用来识别的特征#65377;研究表明基音频率是反映情感信息的重要特征[3]#65377;本文使用基频的基本特征以及其扩展特征来进行情感识别#65377;?? 　　2.1情感特征分析?? 　　通过对大量的情感语句的基频进行观察分析,得到这样的结论:对于同一个句子,不同情感状态下的基频变化是不同的,基频的构造特征也是不同的#65377;如图1所示,它们是同一个句子分别在四种情感状态下的基频曲线#65377;本文选择整个句子基频的动态范围#65380;均值#65380;方差#65380;最大值#65380;最小值来作为基频的基本特征;基频斜率的最大值#65380;最小值#65380;均值作为基频的扩展特征#65377;?? 　　考虑到对于每一句话,说话者所传输的情感不是均匀分布的,而是着重地强调其中的某一个或某一些单词#65377;通过用语音分析工具sfs软件对400句的情感语句信号的基频进行观察分析,总结了情感语句信号前端基频变化的一些统计规律,就是生气句子基频曲线的前端上升再下降所占的比率最大为46%;高兴句子前端的基频上升或者上升再下降所占的比率较大,分别为30%和52%;中性句子前端的基频中保持或者上升再下降所占的比率较大,分别为29%和36%;悲伤句子前端的基频保持或者下降再上升所占的比率较大,分别为37%和22%#65377;表1为统计结果#65377;?? 　　 　　由表1可以看出,在基频曲线的前端,悲伤时的语音基频大部分是持平的,而其他三种情感的基频基本集中在上升又下降上#65377;因此,基频曲线前端的斜率应该是判别悲伤情感的有效特征之一#65377;?? 　　综合观察分析的结果,选择基频的基本特征以及扩展特征,共12维的基频特征,如下所示:?? 　　a)基频的均值#65380;方差#65380;动态变化范围;?? 　　b)前端部分基频的上升和下降斜率;?? 　　c)整个句子基频的上升部分斜率的最大值#65380;均值,下降部分斜率的最大值#65380;均值;?? 　　d)整个句子基频斜率的动态范围#65380;均值#65380;方差#65377;?? 　　情感语音特征如表2#65380;3所示#65377;?? 　　 　　从表2#65380;3可见,对于生气的感情来说,其基频变化范围和方差值明显要比其他情感大,但是其他特征的变化不是很明显,因此必须对同一种情感下的大量语句的情感特征进行统计,利用各个特征的统计特性进行