基于机器学习的语音情感识别系统的设计.docxVIP

- PAGE 39 - 摘 要 语音识别在现实中有着极为重要的应用，现在语音内容的识别技术已日趋成熟。当前语音情感识别是研究热点之一，它可以帮助AI和人更好地互动、可以帮助心理医生临床诊断、帮助随时随地高效测谎等。本文采用了中科院自动化所的CASIA语料库作为样本，先进行预处理，之后对语料库进行语音情感特征函数的提取，再结合二叉树进行SVM支持向量机的分类，最后得到识别准确率。 预处理是将语音信号提纯的操作，主要分为数字化、预加重、分帧加窗和端点检测4步，之后来到提取语音情感特征参数的阶段。虽然有许多语音情感特征参数，本文中使用的语音情感特征参数为基音频率、短时能量、共振峰和梅尔倒谱系数（MFCC）四种，再对每一种特征参数进行归一化运算。 传统的支持向量机识别语音情感信号为“一对一”模型，若有种情感，算法复杂度为。结合语音情感的分类间有较为相似和不相似两种情况，本文采用将二叉树和支持向量机结合的方法，每一层都遵循相似聚类的准则，逐层二分，从根结点的所有情感，最后分类到叶结点只有一个情感，此时完成识别分类。种情感的算法复杂度为，大大提高了效率。 本文最后在完成整个系统后端的架构之后，加入了UI界面，原本运行界面简陋的系统，拥有了更加直观的显示，在面板上就可以方便地调节参数，也可以快速得到对比结果和识别结果。 绪 论 当今时代发展潮流下，随着大数据的应用，机器学习已经成为未来研究方向的主流趋势之一。现在，更多的研究员和学者，将机器学习的相关知识和方法运用到语音信息识别方面。其中，提取合适而准确的语音情感特征参数是语音信息识别研究中的关键步骤，而语音情感信息识别就是基于此步骤上的重要应用。但是，语音情感特征参数的提取有一些关卡：1.找到和语音情感识别具有密切关系的;2.语音信息复杂多变,过分依赖于环境、说话人、情感等因素[1]。 课题背景 每个人都有情感，有高兴、愤怒、焦虑、紧张等各种各样，或是正面或是负面的情感，而从科学上来说，情感是一种综合了人类的行为、思想和感觉的精神状态。观察一个人的情感一般有迹可循，无论是比较容易发现的外在还是内在，情感信息大多主要表现在内外两个层面：内在的情感信息是指心率、脉搏、血压等通过外表无法直接观察到，需要借助工具才能发掘的信息；外在的情感信息是指面部表情、声音、姿势等通过外表能直接自然观察到的信息。 情感识别是指通过各种算法，利用计算机采集并分析各种情感信息，从而提取出可以一定程度描述情感的特征值，再根据训练集表现，建立特征值与情感的映射关系，依靠分类算法，对情感信息分门别类，最终推断出情感状态。 研究意义 计算机的广泛应用和大数据时代的到来，都使得信息技术得到迅猛发展，加上各种智能设备如手机、个人电脑的普及，为了提高生活和工作的效率，语音识别逐渐出现在人们的视野内，给我们带来了莫大的便利。语音识别不仅可以用来日常将声音转化为文字，还可以利用个人声音特征信息进行加密和防伪等工作，具有极高的实用价值。 随着语音技术基本应用已经取得广泛应用，我们就开始不仅仅满足于对特定说话人语音中的单一音素和单词语句进行简单的识别，而对诸如远程语音、儿童语音、言语障碍者语音以及语言情感进行有效地识别，未来也可能成为语音识别领域一些新的研究热点。语音是很重要的表达素材，其中不仅包含了说话人所要表达的文本内容，也同时包含了说话人所要表达的情感，所以对语音中情感内容的有效准确识别不仅能够提升语音辨别度，更是提高了语音的可懂度，因此，人工智能和机器学习在这方面的应用和优势便显而易见。一些研发人员希望开发的智能设备，不仅要具有理性的人类思维逻辑，情感则是使这些机器更贴近人类的关键。同时具有理性逻辑和情感的设备可最大限度地理解用户意图，为人类提供更好的服务[2]。 人机交互 随着科技的不断发展，语音人机交互已经渗透进社会的各个方面：生活中不仅有使人愉快带来方便的个人智能语音AI，还有语音导航为每一位行路人带去指引；在医学方面，病患可以通过智能语音机器人做到定时吃药，疑问早解答；在教育领域，语音人机交互更是给学生足不出户的学习体验，同时可以丰富课堂的互动。 语音情感识别在人机交互方面依然可以有很出色的拓展应用，在机器分析人的语句内容时，有时候发音相近的词语就会混淆，造成识别的精准度不高。但是语音情感识别可以将情感作为其中一个判断依据，根据人说出的词语的备选词汇和当时情绪状态做出精准的选择，提高识别准确率，同时，做出更恰当的回应，比较冷冰冰的合成语音，更亲切也更生动，给人更好的体验。 心理学医学 情感在心理学中一直是研究的重点，结合人在不同情绪下脑部和身体的生理反应，各方面激素的分泌水平和神经反应，可以开发出基于语音情感识别的高精确度情感识别机器，帮助临床研究和教学，更可以帮助医生快速判断患者的精神状态，给予更有效精准的治疗