基于SVM的语音情感识别和情感特征参数的研究-控制理论与控制工程专业论文.docxVIP

摘要 语音情感识别就是对带有情感的语音信号进行预处理、特征提取和分类识别的过 程。本文以提高语音情感识别的识别率为目的，对情感语音信号的特征参数进行了优 化，并选取了目前较优秀的分类模型进行语音情感识别实验。主要内容如下： （1）介绍了语音情感识别的三大部分：预处理、特征参数和分类模型。 （2）指出目前常用的分解情感语音信号的方法存在的弊端，引入了一种专门处 理情感语音信号这类非线性、非平稳信号的方法 ——希尔伯特-黄变换。介绍了希尔 伯特-黄变换处理非线性、非平稳信号的过程。 （3）引入两种特征参数 IMF-EIF 和 IMF-ED，参照其提取统计量构成特征矩阵 的方法，设计了一种根据 Hilbert 边际谱提取统计量的特征参数 IMF-BJP。 （4）引入三种特征参数 MFCC、Mid-MFCC 和 IMFCC，参照其 Hz-Mel 频率对 应关系，设计了一种在整个频率区域都具有较高分辨率的特征参数 C-MFCC。 （5）根据实验运行出的 MFCC、IMFCC、Mid-MFCC 取得最高识别率时对应的 相邻滤波器组，构成优化的特征参数 G-MFCC；根据增减分量法计算出 MFCC、 IMFCC、Mid-MFCC 每个滤波器的平均贡献率，取贡献率最高的前几阶滤波器，构 成优化的特征参数 H-MFCC。 （6）将 MFCC 与情感语音信号各阶 IMF 分量结合，设计了一种新的特征参数 IMF-MFCC；将 H-MFCC 与情感语音信号各阶 IMF 分量结合，设计了一种新的特征 参数 IMF-H-MFCC；将 MFCC、IMFCC、Mid-MFCC 分别与情感语音信号分解后含 低频成分较多的、含高频成分较多的、含中频成分较多的 IMF 分量结合，设计了一 种新的特征参数 IMF-M-MFCC。 （7）介绍了支持向量机的理论，将情感语音信号输入以支持向量机作为分类模 型的语音情感识别系统，对本文涉及的所有特征参数进行实验，结果表明，以德语情 感语音库为输入信号的前提下，MFCC、IMF-BJP、IMF-MFCC、IMF-H-MFCC 取得 了较好的识别率。 关键词：语音情感识别；HHT；MFCC；SVM Abstract Speech emotion recognition is the process of pre-processing, feature extracting and classifying the emotional speech signal. The purpose of this paper is to improve the recognition rate of speech emotion recognition, optimizing emotional speech signal feature parameter, choosing better classification model to run speech emotion recognition experiment. The main contents are as follows: Introduce the three parts of speech emotion recognition: pre-process, feature parameter and classification model. Pointed out the malpractice of the method which processed the emotional speech signal at present, introduced a method especially for nonlinear、non-stationary signal like emotional speech signal—Hilbert-Huang Transform （ HHT ） . Introduce the process of Hilbert-Huang Transform processing the nonlinear、non-stationary signal. Introduce two feature parameters IMF-EIF and IMF-ED, according to the statistics extraction of fromimg feature matrix, design a feature parameter use Hilbert marginal spectrum extract statistic named IMF-BJP. Introduce three feature par