语音信号处理 第4版 第11章 语音信号的情感处理 思考题答案.docx

第11章语音信号的情感处理思考题答案

什么是语音信号中的情感信息?为什么说语音信号中的情感信息是一种很重要的信息资源?

包含在语音信号中的情感信息是一种很重要的信息资源，它是人们感知事物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。

2.以往在研究语音信号处理技术时是怎样处理语音信号中的情感信息的?是否可以利用语音信号中的情感信息资源来提高语音信号处理系统的性能，例如语音识别系统的识别率?

传统的语音信号处理技术把这部分信息作为模式的变动和差异噪声通过规则化处理给去掉了。

可以利用语音信号中的情感信息资源来提高语音信号处理系统的性能。

3.语音信号中的情感信息处理的内容是什么?它主要包含哪几个方面?

内容包括：识别操作者的情感，而后再根据情感的判断来调整交互对话的方式；情感特征分析、情感识别（例如肢体情感识别、面部情感识别和语音情感识别等）、情感模拟（例如情感语音合成等）。

4.在实验中，语音数据库是如何制作的?有哪些注意事项?

制定情感语音诱发方案-情感语音采集-数据检验与补录-语句切分与标注-情感语音的听辨测试；录音过程在安静的实验室内进行，每次录音后，应进行数据的检验与补录，及时对语音文件进行人工检验，以排除录音过程中可能出现的错误。对于错误严重的录音文件，必要时进行补录。

5.情感语料的诱发方式有哪些?各有什么特点?

通过计算机游戏诱发情感语料，通过游戏中画面和音乐的视觉、听觉刺激，能提供一个互动的、具有较强感染力的人机交互环境，能够有效地诱发出被试者的正面与负面的情感；通过认知作业诱发情感语料，认知作业现场的情感识别具有重要的实际意义，特别是在航天、航空、航海等长时间的、高强度的工作环境中，对工作人员的负面情感的及时检测和调控具有非常重要的意义。通过检测与认知有关的三种实用语音情感，能够从行为特征的角度反映出被试者认知能力的波动，从而客观地评估特殊工作人员的心理状态与该项工作的适合程度。

6.情感的声学特征有哪些?特征的降维方法有哪些?

情感的声学特征包括：短时能量，基音，共振峰，Mel频率倒谱系数，关联维数，最大Lyapunov指数,kolmogorov熵；

特征降维的方法包括：基于FDR的特征选择,基于PCA与LDA的特征压缩。

7.情感的识别算法有哪些?各有什么特点?

主要包括如下几类：

基于支持向量机的识别算法，适合于小样本训练集，在多情感分类问题中存在不足。

基于Ｋ近邻分类器的识别算法，易于实现，较符合语音情感数据的分布特性，缺点是计算量较大。

基于高斯混合模型的识别算法，对数据的拟合能力和对训练数据依赖性强。

8.当前情感识别的应用有哪些?请结合日常生活，谈谈你对情感识别应用的认识。

主要应用包括：载人航天，情感多媒体搜索，智能机器人。

9.基于级联自编码器的语音情感识别中，包含哪两类自编码器?自编码器的基本原理是什么?

降噪自编码器和稀疏自编码器；自编码器包含编码模块和解码模块。

自编码器的基本原理：将待训练的数据输入编码模块，得到相应的特征，然后通过解码模块对该特征进行解码；基于编码模块的输入与解码模块的输出之间的误差，反向调节编码模块的参数。当训练完成后，将编码模块所输出的特征用于完成最终的情感识别。

10.基于注意力-RNN的语音情感识别模型中，包含哪几个部分?各自的作用是什么?

双向RNN层：建模语音原始特征之间的时序依赖关系。

单向RNN层：得到比上一层更深层次的特征。

注意力层：获得语音情感样本带权重信息的全局特征。

全连接层：对基于注意力加权后的特征进行学习，并将学习后的特征送入分类器中进行分类。