基于HMM模型的语音情感识别的研究-信号与信息处理专业论文.docxVIP

摘要随着人机交互系统的快速发展，语音情感识别近年来越来越受到人们的重 摘要 随着人机交互系统的快速发展，语音情感识别近年来越来越受到人们的重 视。包含在语音信号中的情感情息是一种很重要的信息资源，它是人们感知事物 的必不可少的部分信息。例如同样的一句话，由于说话人表现的情感不同，在听 者的感知上就可能会有较大的差别。所谓“听话听音”就是这个道理。 本文首先介绍了语音情感识别的发展历程、研究背景、研究领域及其主要 应用，接下来介绍了目前语音情感识别主要研究方法及本文在语音情感识别中所 用的情感的分类及其韵律特征。 重点分析了各种特征参数的提取方法(不仅包括韵律特征参数还有非韵律特 征参数如共振峰)。其中基音检测算法采用一种自动调整窗口长度的算法，能够 根据不同的人、不同的发音的差异来调节窗的长度，提高基频提取的准确性。 本论文应用隐马尔可夫模型(HMM)的进行语音情感识别，对其分析过程和 设计思想进行了深入详细地探讨。本文使用的汉语语音库包含了高兴、愤怒、悲 伤、惊讶、恐惧和平静语音，提取了语音库中情感语句的短时能量及其一阶、二 阶差分，基频及其一阶、二阶差分，第一共振峰和MFCC共八维情感特征参数。 使用从左向右的连续隐马尔可夫模型(CHMM)进行情感语音识别，每个CHMM 模型用六个状态，每个状态用四个混合高斯概率密度函数来估计输出概率密度函 数，并应用Baum．Welch参数重估算法来训练CHMM模型参数。为了使训练结 果更好地收敛为全局的最优，我们用“分段K均值算法’’重估HMM模型的观 察值概率距阵。最后应用Viterbi算法对该语音库情感语句进行识别，实验结果 表明，六种情感的总体识别效果较为理想，其中悲伤和愤怒的识别率更好一些。 最后讨论了该领域存在的一些问题和今后需要进一步研究的课题。 关键词：语音处理情感特征提取语音情感识别 隐马尔可夫模型 分段K 均值算法 ABSTRACTWith ABSTRACT With rapid development of Human·Computer interaction system，emotion recognition of speech has received great attention recently．Emotional．factors involved in the speech signal are of great importance because they are necessary information for people’S sensation of things．For example，the salTle sentence call convey different meaning to the salne listener due to the different emotional factors it involves． In this paper．we firstly introduce the study actuality，background,research field and main application of emotion recognition of speech．Then we introduce key technologies of speech emotion recognition based on audio information and emotion classification used recently，extracting not only the features of some prosodic parameters but also with some no-prosodic parameters such as formants．During extracting the parameters of base frequency of speech，we use the algorithm of adaptive length of Hamming filter． In this papeL our classification method，the hidden Markov model(HMM)is used to classify six emotional states：happiness，angel sadness，surprise，fear and a neutral state in which no distinct emotion iS observed．The best feature vector wi也a dimension of eight iS de