• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >基于SVM和HMM混合模型的语音情感识别和性别识别
【6h】

基于SVM和HMM混合模型的语音情感识别和性别识别

代理获取
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

目前人机交互技术越来越智能化,语音性别识别和情感识别方法多种多样,但是还存在诸多问题,比如:特征参数不佳、模型简单、识别率低等。针对以上问题,对特征参数和模型做了改进,并在改进的特征参数和模型下做了性别和情感识别实验。主要内容如下:
　　 (1)特征参数。在性别特征参数方面,通过仿真分析得到,MFCC参数比LPCC更优,因此丢弃LPCC,并对MFCC进行了二次特征提取获得它的加权特征(SMFCC)和-阶微分特征(ΔMFCC)。除了上述特征外还加入了平均基因频率。
　　 在情感方面,将情感分为四个类别:高兴、愤怒、惊奇、悲伤。研究了基因平率、共振峰(第一共振峰(FO)、第二共振峰(F1)、第三共振峰(F2))、振幅在不同情感下的规律。研究表明F2在四种情感下影响不大,因此F2被舍弃。并在这些特征的基础上加入了SMFCC和ΔMFCC。
　　 (2)通过研究HMM和SVM得出:HMM在处理连续信号具有优势,而SVM在分类上具有优势。提出了SVM和HMM混合模型及需要解决的问题,同时研究了混合模型如何进行训练和识别。
　　 (3)在相同的特征参数下,对基于SVM和HMM混合模型、HMM和SVM的性别及情感识别的结果进行了比较,分析表明混合模型在性别和情感识别均提高了识别率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号