發(fā)布時(shí)間：2018-04-13 05:21

  本文選題：語(yǔ)譜圖 + Gabor濾波器��； 參考：《太原理工大學(xué)》2017年碩士論文

【摘要】：目前,在語(yǔ)音情感識(shí)別領(lǐng)域,研究者經(jīng)常選用的情感語(yǔ)音特征有音質(zhì)特征、頻域特征、時(shí)域特征等特征,而關(guān)注語(yǔ)音時(shí)域-頻域相關(guān)性的研究則相對(duì)較少,發(fā)展較晚。本文利用語(yǔ)譜圖反映語(yǔ)音時(shí)域-頻域相關(guān)性的特點(diǎn),提取語(yǔ)譜圖多種不同的紋理特征,將所提特征應(yīng)用于語(yǔ)音情感識(shí)別。通過實(shí)驗(yàn)分析,部分語(yǔ)譜圖紋理特征取得了比較好識(shí)別率,驗(yàn)證了基于語(yǔ)譜圖特征的語(yǔ)音情感識(shí)別方法的可行性。本文主要以語(yǔ)譜圖為基礎(chǔ)對(duì)語(yǔ)譜圖紋理特征的提取和分類進(jìn)行了研究,主要完成的工作包含以下幾部分:(1)介紹了語(yǔ)音情感研究的背景、意義、發(fā)展現(xiàn)狀以及常用的圖像紋理特征提取方法和紋理特征分類方法。(2)利用Gabor小波分別結(jié)合灰度共生矩陣方法、Tamura方法、局部二值模式(LBP)方法提取語(yǔ)譜圖特征。(3)提出了改進(jìn)的局部二值模式方法、融合語(yǔ)譜圖LBP特征和局部Hu矩特征方法,并以柏林語(yǔ)音庫(kù)為基礎(chǔ)進(jìn)行情感語(yǔ)音識(shí)別,實(shí)驗(yàn)結(jié)果顯示不同情感的綜合識(shí)別率有了比較明顯的提升。(4)實(shí)現(xiàn)了支持向量機(jī)和K近鄰分類方法對(duì)所提特征進(jìn)行分類識(shí)別,并研究了語(yǔ)譜圖灰度共生矩陣特征、Tamura特征、LBP特征、改進(jìn)的LBP特征、融合LBP特征與局部Hu距特征的情感識(shí)別效果,以及融合特征權(quán)值對(duì)識(shí)別率的影響。經(jīng)過比較不同方法下的識(shí)別率,改進(jìn)后的LBP方法與融合語(yǔ)譜圖LBP特征與局部Hu距特征方法取得了較好的實(shí)驗(yàn)結(jié)果。
[Abstract]:At present, in the field of speech emotion recognition, researchers often choose affective speech features, such as phonological characteristics, frequency domain features, time domain features, etc. However, the research on the correlation between speech time domain and frequency domain is relatively few, and the development is relatively late.In this paper, the feature of correlation between speech time domain and frequency domain is reflected in the speech spectrum, and different texture features are extracted from the spectrum map, and the proposed features are applied to speech emotion recognition.Through experimental analysis, some of the texture features of spectral images have achieved a good recognition rate, which verifies the feasibility of the speech emotion recognition method based on the spectral image features.In this paper, the extraction and classification of texture features are studied on the basis of spectrogram. The main work includes the following parts: 1) introduce the background and significance of speech affective research.The current situation and the common methods of image texture feature extraction and texture feature classification. (2) using Gabor wavelet and gray level co-occurrence matrix method, respectively, Tamura method is used.This paper presents an improved local binary pattern method, which combines LBP features with local Hu moments features, and implements emotional speech recognition on the basis of Berlin phonetic corpus.The experimental results show that the comprehensive recognition rate of different emotions is significantly improved. (4) support vector machine and K-nearest neighbor classification method are used to classify and recognize the proposed features, and the gray level co-occurrence matrix feature Tamura feature and LBP feature of the spectral image are studied.The improved LBP feature, the emotion recognition effect of fusion LBP feature and local Hu distance feature, and the influence of fusion feature weight on recognition rate.By comparing the recognition rates of different methods, the improved LBP method, the fusion spectral LBP feature and the local Hu distance feature method have obtained good experimental results.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN912.34

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林奕琳;韋崗;楊康才;;語(yǔ)音情感識(shí)別的研究進(jìn)展[J];電路與系統(tǒng)學(xué)報(bào);2007年01期

2 趙力;黃程韋;;實(shí)用語(yǔ)音情感識(shí)別中的若干關(guān)鍵技術(shù)[J];數(shù)據(jù)采集與處理;2014年02期

3 陳建廈,李翠華;語(yǔ)音情感識(shí)別的研究進(jìn)展[J];計(jì)算機(jī)工程;2005年13期

4 王茜;;一個(gè)語(yǔ)音情感識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];大眾科技;2006年08期

5 孫亞;;遠(yuǎn)程教學(xué)中語(yǔ)音情感識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(高教版);2008年02期

6 章國(guó)寶;宋清華;費(fèi)樹岷;趙艷;;語(yǔ)音情感識(shí)別研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年01期

7 石瑛;胡學(xué)鋼;方磊;;基于決策樹的多特征語(yǔ)音情感識(shí)別[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年01期

8 趙臘生;張強(qiáng);魏小鵬;;語(yǔ)音情感識(shí)別研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2009年02期

9 張石清;趙知?jiǎng)?;噪聲背景下的語(yǔ)音情感識(shí)別[J];西南交通大學(xué)學(xué)報(bào);2009年03期

10 黃程韋;金峗;王青云;趙艷;趙力;;基于特征空間分解與融合的語(yǔ)音情感識(shí)別[J];信號(hào)處理;2010年06期

相關(guān)會(huì)議論文 前8條

1 陳建廈;;語(yǔ)音情感識(shí)別綜述[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

2 楊桃香;楊鑒;畢福昆;;基于模糊聚類的語(yǔ)音情感識(shí)別[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

3 羅武駿;包永強(qiáng);趙力;;基于模糊支持向量機(jī)的語(yǔ)音情感識(shí)別方法[A];2012'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集(Ⅱ)[C];2012年

4 王青;謝波;陳根才;;基于神經(jīng)網(wǎng)絡(luò)的漢語(yǔ)語(yǔ)音情感識(shí)別[A];第一屆中國(guó)情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

5 張鼎天;徐明星;;基于調(diào)制頻譜特征的自動(dòng)語(yǔ)音情感識(shí)別[A];第十二屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議（NCMMSC'2013）論文集[C];2013年

6 童燦;;基于boosting HMM的語(yǔ)音情感識(shí)別[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

7 戴明洋;楊大利;徐明星;;語(yǔ)音情感識(shí)別中UBM訓(xùn)練集的組成研究[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

8 張衛(wèi);張雪英;孫穎;;基于HHT邊際Teager能量譜的語(yǔ)音情感識(shí)別[A];第十二屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議（NCMMSC'2013）論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 孫亞新;語(yǔ)音情感識(shí)別中的特征提取與識(shí)別算法研究[D];華南理工大學(xué);2015年

2 王坤俠;語(yǔ)音情感識(shí)別方法研究[D];合肥工業(yè)大學(xué);2015年

3 韓文靜;語(yǔ)音情感識(shí)別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

4 謝波;普通話語(yǔ)音情感識(shí)別關(guān)鍵技術(shù)研究[D];浙江大學(xué);2006年

5 尤鳴宇;語(yǔ)音情感識(shí)別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2007年

6 劉佳;語(yǔ)音情感識(shí)別的研究與應(yīng)用[D];浙江大學(xué);2009年

7 趙臘生;語(yǔ)音情感特征提取與識(shí)別方法研究[D];大連理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳曉東;基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別[D];華南理工大學(xué);2015年

2 孫志鋒;語(yǔ)音情感識(shí)別研究[D];陜西師范大學(xué);2015年

3 譚發(fā)曾;語(yǔ)音情感狀態(tài)模糊識(shí)別研究[D];電子科技大學(xué);2015年

4 陳鑫;相空間重構(gòu)在語(yǔ)音情感識(shí)別中的研究[D];長(zhǎng)沙理工大學(xué);2014年

5 李昌群;基于特征選擇的語(yǔ)音情感識(shí)別[D];合肥工業(yè)大學(xué);2015年

6 陳文汐;基于核函數(shù)的語(yǔ)音情感識(shí)別技術(shù)的研究[D];東南大學(xué);2015年

7 薛文韜;基于深度學(xué)習(xí)和遷移學(xué)習(xí)的語(yǔ)音情感識(shí)別方法研究[D];江蘇大學(xué);2016年

8 宋明虎;電力行業(yè)電話電話客服語(yǔ)音情感識(shí)別[D];昆明理工大學(xué);2016年

9 陳肖;基于多粒度特征融合的維度語(yǔ)音情感識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2016年

10 任浩;基于多級(jí)分類的語(yǔ)音情感識(shí)別[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號(hào)：1743106