学位论文 > 优秀研究生学位论文题录展示
语音信号情感识别
作 者: 陈佳
导 师: 谭冠政
学 校: 中南大学
专 业: 计算机软件与理论
关键词: 情感特征提取 情感识别 分形 RBF神经网络
分类号: TP391.42
类 型: 硕士论文
年 份: 2008年
下 载: 329次
引 用: 6次
阅 读: 论文下载
内容摘要
情感计算是近年来发展比较迅速的一个新兴领域,主要包括人工情感,情感识别,情感表达等部分,情感识别作为情感计算的重要组成部分,近年来得到了广泛的研究和应用。它集中体现了现代科学发展中的多学科、多领域间的相互交叉、相互促进和相互渗透的特点。对情感识别的研究可以从多方面进行,例如面部表情,语音,生理信号等等,本文的研究内容是基于人工情感和免疫神经网的语音信号情感识别研究。本文首先介绍了情感计算的研究现状,阐述了人工神经网络,人工情感理论,分形等基础理论,提出了使用分形维作为描述语音信号特征的一个分量,然后使用RBF神经网络进行识别。本文还进行了特征参数提取的研究,这些特征参数主要包括基音参数,共振峰参数,分形维等等。基音参数使用自相关方法进行提取,共振峰参数使用LPC方法提取,分形维则使用盒维的计算方法提取。在提取出特征参数的基础上分析了不同情感在不同特征参数下的差异,分析过程中发现,在愤怒,高兴,伤心这三种情感的识别中,愤怒和高兴这两种情感的在单个特征参数上差异不是很明显,必须通过在一组特征分量组成的特征矢量上体现差异。实验结果证明,本文提出的使用分形维描述语音信号的混沌程度以及使用RBF网络进行识别,效果是令人满意的,在样本空间中,识别正确率达到了100%,同时RBF网络体现出收敛速度快,识别正确率高的优点。在实现RBF识别情感的基础上,同时还训练了一个BP网络进行了对比试验。实验表明,BP网络的收敛速度慢,特别有时候由于初始值设置不恰当导致了BP网络在训练过程中不收敛的情况。RBF网络不仅与BP网络一样具有任意精度的泛函逼近能力,而且具有最优泛函逼近特性。具有较快的收敛速度。整个系统采用C/S结构实现,前端采用C++实现用户界面接收数据,后台使用MATLAB实现了一个具有特征参数输入,特征参数提取,神经网络训练,识别功能的部分,前后端通过MATLAB计算引擎进行通信。
|
全文目录
摘要 4-5 Abstract 5-9 第一章 绪论 9-14 1.1 概述 9-12 1.2 本文主要研究方向及内容 12 1.3 本文的主要创新之处 12-13 1.4 小结 13-14 第二章 人工情感及其应用 14-23 2.1 引言 14-15 2.2 医学心理学关于情感的主要观点 15-16 2.2.1 情感与认知 15 2.2.2 情感的性质 15 2.2.3 情感与智能 15-16 2.3 情感识别 16-17 2.3.1 根据语音和脸部图像来识别情感 16 2.3.2 根据可测量的心理学信号来识别情感 16 2.3.3 根据运动信号识别情感 16 2.3.4 识别方法的研究 16-17 2.4 情感建模 17-19 2.4.1 分析与符号模型 17-18 2.4.2 合成的自下而上的模型 18-19 2.5 人工情感的应用 19-20 2.5.1 智能机器人 19-20 2.5.2 人机交流 20 2.5.3 智能交通及其它 20 2.6 人工情感的研究目的 20-22 2.7 总结 22-23 第三章 语音信号的情感特征及其提取 23-42 3.1 语音信号的数字化和预处理 23-24 3.2 语音信号的时域分析 24-27 3.3 语音信号的线性预测分析 27-30 3.4 信号处理的分形理论 30-35 3.4.1 引言 30-32 3.4.2 分形理论与维数 32-35 3.5 情感语音信号的特征分析 35-42 3.5.1 短时平均能量特征 35-37 3.5.2 共振峰特征 37-38 3.5.3 基音特征 38-39 3.5.4 分形特征 39-42 第四章 神经网络与人工免疫 42-54 4.1 人工神经网络引言 42 4.2 人工神经元模型 42-44 4.3 人工神经网络的发展现状 44-46 4.4 人工免疫概述 46-47 4.5 免疫算法 47-49 4.5.1 否定选择算法 47-48 4.5.2 肯定选择算法 48 4.5.3 克隆选择算法 48-49 4.6 基于免疫的神经网络 49-54 第五章 语音信号的情感识别 54-67 5.1 概述 54-55 5.2 语音情感特征分析 55-57 5.3 语音情感识别方法 57-60 5.3.1 主元分析法 58-59 5.3.2 神经网络识别法 59 5.3.3 混合高斯模型法 59-60 5.4 语音情感识别系统实现 60-63 5.4.1 特征提取 60-62 5.4.2 神经网络设计 62-63 5.5 识别结果对比分析 63-67 第六章 总结与展望 67-69 6.1 全文总结 67 6.2 研究展望 67-69 参考文献 69-75 致谢 75-76 攻读硕士学位期间发表的论文 76
|
相似论文
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 基于多重分形的语音情感识别研究,TN912.34
- 语音情感识别的特征选择与特征产生,TP18
- 制造业绿色产品研发的风险识别与评价研究,F205;F224
- 多重分形过程性质研究,F830.91
- 纤维布与混凝土正拉粘结性能的试验研究,TU528.572
- 基于人工生命的骆驼刺根系的模型构建与研究,TP311.52
- 基于分形和多小波理论的静脉特征提取研究,TP391.41
- 关于分形插值函数若干分析性质的研究,O174.42
- 三维编织石英纤维增强复合材料的制备及其性能研究,TB332
- 平面可重构天线的研究与设计,TN820
- 基于DCCA和MF-DCCA的步态信号的分析与研究,TN911.6
- 基于混沌和分形的两类图像处理算法,TP391.41
- 基于高斯特征的人体运动情感识别研究,TP391.41
- 综合分形盒维数和三阶循环累积量的频谱感知算法研究,TN925
- 基于分形图案的NVD音频播放背景动画,TP391.41
- 基于分形粗糙表面的MEMS摩擦学研究,O313.5
- 基于脑电的情感识别,TP391.4
- 分形动力系统中的复分枝结构,O19
- 基于RBF的人工神经网络在PCB钻孔工艺中的应用,TN405
- 高速卡口车辆牌照检测与相关信息识别,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 声音识别及其装置
© 2012 www.xueweilunwen.com
|