-
题名实用语音情感的特征分析与识别的研究
被引量：33
- 1
-
-
作者
黄程韦
赵艳
金赟
于寅骅
赵力
-
机构
东南大学水声信号处理教育部重点实验室
徐州师范大学物理与电子工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2011年第1期112-116,共5页
-
基金
国家自然科学基金(60472058
60975017
+1 种基金
51075068)
江苏省自然科学基金(BK2008291)资助课题
-
文摘
该文针对语音情感识别在实际中的应用,研究了烦躁等实用语音情感的分析与识别。通过计算机游戏诱发的方式采集了高自然度的语音情感数据,提取了74种情感特征,分析了韵律特征、音质特征与情感维度之间的关系,对烦躁等实用语音情感的声学特征进行了评价与选择,提出了针对实际应用环境的可拒判的实用语音情感识别方法。实验结果表明,文中采用的语音情感特征,能较好识别烦躁等实用语音情感,平均识别率达到75%以上。可拒判的实用语音情感识别方法,对模糊的和未知的情感类别的分类进行了合理的决策,在语音情感的实际应用中具有重要的意义。
-
关键词
语音识别
实用语音情感
韵律特征
音质特征
拒判方法
-
Keywords
Speech recognition
Practical speech emotion
prosody features
Voice quality features
Rejection decision
-
分类号
TP391.42
[自动化与计算机技术—计算机应用技术]
-
-
题名结合音质特征和韵律特征的语音情感识别
被引量：9
- 2
-
-
作者
张石清
赵知劲
雷必成
杨广映
-
机构
杭州电子科技大学通信工程学院
台州学院物理与电子工程学院
-
出处
《电路与系统学报》
CSCD
北大核心
2009年第4期120-123,共4页
-
基金
浙江省教育厅高校青年教师资助(ZX2005)
-
文摘
为了提高语音情感的正确识别率,在情感语音韵律特征的基础上,提出情感语音音质特征的提取。结合音质特征参数和韵律特征参数,采用支持向量机分类器实现汉语普通话生气、高兴、悲伤和惊奇四种主要情感类型语音的情感识别。实验结果表明,语音音质特征参数和韵律特征参数相结合取得的情感平均正确识别率为88.1%,比单独使用韵律特征参数高出6%。可见,语音音质特征是一种较有效的情感特征参数。
-
关键词
韵律特征
音质特征
支持向量机
语音情感识别
-
Keywords
prosody features
voice quality features
saapport vector machines
speech emotion recognition
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
-
题名基于多分类器投票组合的语音情感识别
被引量：5
- 3
-
-
作者
张石清
赵知劲
-
机构
杭州电子科技大学通信工程学院
台州学院物理与电子工程学院
-
出处
《微电子学与计算机》
CSCD
北大核心
2008年第12期17-20,共4页
-
文摘
为了提高语音情感的正确识别率,提出一种基于多分类器投票组合的语音情感识别新方法.在提取情感语音的韵律特征和音质特征基础上,利用投票方法将支持向量机、K近邻法和人工神经网络三种分类器构成组合分类器,实现对汉语生气、高兴、悲伤和惊奇4种主要情感类型的识别.实验结果表明,与使用单一分类器相比,组合分类器对语音情感的识别取得了87.4%的平均正确识别率,识别效果优于单一分类器.
-
关键词
投票组合
组合分类器
韵律特征
音质特征
情感识别
-
Keywords
voting combination
ensemble classifier
prosody features
voice quality features
emotion recognition
-
分类号
TN911.2
[电子电信—通信与信息系统]
TN912.34
[电子电信—信息与通信工程]
-
-
题名一种数据驱动的汉语成句语音韵律特征产生模型的研究
被引量：2
- 4
-
-
作者
田岚
陆小珊
-
机构
山东大学信息科学与工程学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2003年第6期656-660,共5页
-
基金
山东省自然科学基金资助项目(Y2002G13)。
-
文摘
针对汉语发音特点,基于对大量自然汉语语句基频轮廓数据的统计和分析,提出一种用于数据驱动生成汉语韵律特征的数学模型。该模型以基频参数为主,辅以时长和增益参数,能表现汉语的语气、短语节奏、韵律词声调及轻重音多层韵律信息,各层参数可按语言知识分类训练和标注。给出了模型的各种归一化“调素”函数和变调规则。仿真实验表明了该模型的有效性。
-
关键词
韵律特征
韵律模型
基频轮廓
文语转换(TTS)
-
Keywords
prosody features
prosody model
Pitch contour (FO contour)
TTS (text-to-speech)
-
分类号
TN913
[电子电信—通信与信息系统]
-
-
题名浊声基频轮廓对汉语合成自然度提高的分析与综合
被引量：1
- 5
-
-
作者
田岚
陆小珊
杨霓清
-
机构
山东大学信息科学与工程学院
-
出处
《山东大学学报（工学版）》
CAS
2003年第4期413-416,共4页
-
文摘
连续语音浊声基频轮廓是影响合成语音自然度和表现力的一个重要因素 .本文采用序位调值分类统计法 ,对汉语连续语音音调动态特性作了系统分析 ,提出一种用于分析和分层产生汉语连续语音基频参数的数学模型 .模型充分考虑了汉语发音特点 ,归纳了语言表达中音调变化的各种可能 ,并相应设置了控制调整参量 ,相对完整而实用地表示了语言知识和基频参数之间的对应关系 .对一些典型自然语句进行了仿真实验 ,结果表明 ,该模型控制产生的合成基频轮廓和测试目标可达到满意的吻合 ,对有效改善TTS系统语音合成自然度作用明显 .
-
关键词
文语转换
TEXT-TO-SPEECH
韵律特征
基频
语音自然度
浊声基频轮廓
-
Keywords
text to speech(TTS)
prosody features
pitch
speech naturalness
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN912
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于二维情感空间的语音情感识别
被引量：1
- 6
-
-
作者
王胜
张石清
-
机构
台州学院
-
出处
《台州学院学报》
2007年第6期48-51,共4页
-
文摘
为提高语音情感的正确识别率,在利用反映"激发维"维度信息的韵律特征基础上,提出了采用反映"评价维"维度信息的音质特征作为新的情感特征使用。再将韵律特征参数和音质特征参数结合并用于语音情感识别,并采用支持向量机分类器实现对汉语生气、高兴、悲伤、厌烦和中性五类情感的识别。试验结果表明,基于"激发维"和"评价维"二维情感空间取得的情感总体平均正确识别率为84%,比基于"激发维"一维情感空间取得的识别率高出了12%。可见同时考虑从"激发维"和"评价维"二维情感空间进行语音情感识别,识别结果得到了较大改善。
-
关键词
韵律特征
音质特征
支持向量机
情感空间
情感识别
-
Keywords
prosody features
voice quality features
support vector machines
emotion space
emotion recognition
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
-
题名基于广义回归神经网络的情感语音韵律特征预测
- 7
-
-
作者
鲁小勇
潘涛
高兰德
-
机构
西北师范大学计算机科学与工程学院
兰州资源环境职业技术学院
-
出处
《自动化与仪器仪表》
2015年第2期145-146,149,共3页
-
基金
西北师范大学2013年度青年教师科研能力提升计划项目计划(NWNU-LKQN-12-23)资助
2014年度甘肃省高等学校科研项目(2014B-135)资助
-
文摘
韵律特征是语音信号中情感信息的主要表征之一。为了更好地进行情感语音合成的研究,本文通过提取普通话情感语音的韵律特征进行分析,采用广义回归神经网络构建了一个情感语音韵律特征预测模型,并根据所提取的测试集数据文本语境信息进行韵律特征预测,实验获得了相应的结果。实验结果表明,情感语音韵律特征预测效果较好。
-
关键词
情感语音
韵律特征
广义回归神经网络
预测
-
Keywords
Emotional speech
prosody features
Generalized Regression Neural Network（GRNN）
Prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名支持向量机应用于语音情感识别的研究
被引量：10
- 8
-
-
作者
张石清
赵知劲
戴育良
杨广映
-
机构
杭州电子科技大学
台州学院物理与电子工程学院
-
出处
《声学技术》
CSCD
北大核心
2008年第1期87-90,共4页
-
基金
浙江省教育厅高校青年教师资助(2005)
-
文摘
为了有效识别包含在语音信号中情感信息的类型,提出一种将支持向量机应用于语音情感识别的新方法。利用支持向量机把提取的韵律情感特征数据映射到高维空间,从而构建最优分类超平面实现对汉语普通话中生气、高兴、悲伤、惊奇4种主要情感类型的识别。计算机仿真实验结果表明,与已有的多种语音情感识别方法相比,支持向量机对情感识别取得的识别效果优于其他方法。
-
关键词
支持向量机
情感识别
韵律情感特征
-
Keywords
support vector machine
emotion recognition
prosody emotional features
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
