实用语音情感识别算法研究(2)
那么，如何才能让计算机分析出操作者语音的情感呢？语音情感识别算法的研究重点就是对人类说话语音信号进行处理，得到其中所携带的特征参数，根据这些数据建立语音情感识别模型，从而使计算机能够分析出操作者的情感，完成智能的人机交互。人们很轻易的就可以判断出说话者的情感，这一方面和人们的日常生活经验积累有关；另一方面的原因在于，语音中包含着能够表征其情感信息的特征参数。因此，人类话音信号中特征参数的提取成为了许多语音情感识别研究者们的工作所在。随着情感识别技术的不断发展，拥有情感分析能力的机器，将会给人们带来更加人性化、智能化和情感化的服务，打造出和谐生动的人机交互环境。因此，语音情感识别算法的研究、准确的判断出说话者的心情对于实现智能人机交互意义重大。
1.2 语音情感识别的国内外研究现状
1.3 目前存在的问题
目前，有关于语音信号情感识别的研究逐步深入，成果也不断丰富。语音信号中的情感信息并不总是十分明显易分的。含有不同情感的语音段可以具有类似的特征参数[5]，不同的说话人之间相同情感的语句也会存在较大的差异，这些都是语音信号的情感特征研究中较大的困难，即使是人耳也很难辨别。早期的研究者们研究的语音信号情感特征是来自于心理学领域。他们发现情感发生变化之后，语音信号的基音频率、语音持续时常等特征会有较大的变化。后来研究人员采用语音信号的基音频率、共振峰频率、倒谱系数、过零率、幅度、能量等声学参数进行统计分析。常见的语音情感识别算法中利用模式识别中常用的分类方法，用采集到的语音情感特征参数对模型进行训练和识别，并完成对特定的语音库的语音情感识别。这类识别方法已经有许多的研究者研究过了。大部分识别模型都是采用的以上传统的语音情感特征参数，对于特定的语音库识的识别效果的改善都是通过对这些参数的优化，或是对分类算法的改进来完成的。学者们对这类情感识别方法的研究已经比较深入，很难再对识别效率做出较明显的改善。
在语音情感识别中，人类情感信息的建模是一个基本问题，如何对情感进行分类很难把握。比较初期的情感识别模型中都采用情感的类别模型，即在识别模型中把各种情感看成是相互独立的，并把每种情感贴上一个对应的类别标签。这种思想很好的符合了模式识别的思文，对于特定的语音库也有较好的识别效果。但是，它不能够分别出情感的细微变化，对于一些复合情感的语料，分类器无法给出正确的识别结果。
语音情感识别模型的建立都是要依赖于相应的情感数据库的。各研究者使用的语料库都不尽相同。由于语言、语种的差别，也没有一个完全通用的语料库供研究者使用。而目前大多数的语音情感识别模型的识别效果对所用语料库的依赖性都非常高，所以一种语音识别模型也很有较广的适用范围。再者，对于一个较好的情感语料库来说不仅要规范、内容要全面，而且对其自然度也有要求。自然度高的语料库数据越显真实。因此，语料库的建立也是语音情感识别所面临的重点和难点之一。
1.4 本文研究的内容和组织安排
本文对语音情感识别算法进行了研究，各章节内容归纳如下所示：
第一章：主要介绍课题的意义和背景，并对该课题在国内外的研究现状和存在的一些问题作简要的介绍；
第二章：主要介绍人类情感的定义，国外一些著名学者对情感分类方法的研究总结，对语音信号和其基本时域特征进行分析，并介绍如何提取语音信号的特征参数和其对应的统计特征参数的计算；