MATLAB语音情感智能识别的建模与仿真(8)
为了提高整体识别率，本文采用HMM与人工神经网络相结合的方法。在HMM与ANN融合时，本文采用的是人工神经网络多层感知器（MLP）。首先对该分类器进行训练，对每一个样本计算它和所有HMM模型的似然概率，从而完成对神经网络的训练过程。在识别阶段，先用每个HMM的均值矢量序列与待识别的语音信号进行线性匹配，过MLP识别。只采用HMM与二者相结合得到的识别率的对比表3如下所示。
表3 HMM与HMM/ANN识别结果对比
高兴 愤怒 惊奇 悲伤 平静
HMM 84.6% 68.1% 69.4% 88.6% 68.5%
HMM/ANN 92.3% 69.1% 79.6% 94.8% 79.2%
从表3可以看出，在高兴的情感状态下，用HMM法的识别率为84.6%，将HMM与ANN相结合时的识别率为92.3%，在悲伤的情感状态下，用二者结合的方法识别率提高了6.2%，在惊奇和平静的情感状态下，识别率分别提高了10.2%和11.3%。这说明，用HMM与ANN相结合的方法是可行的，并且较只用HMM法所得到的识别率有了显著提高，具有更好的性能。
4. 总结与展望
本文对语音情感智能识别的现状和研究方法等做了深入的分析研究，在语音情感的分类、特征选择、模式识别方法等方面提出了自己的观点和看法。在进行语音情感的特征参数提取时，本文主要选取了时长、振幅、基频和共振峰等相关参数，并与经MFCC模型所提取的特征参数相结合，有效提取了语音中的情感特征参数，使识别率有了明显地提高。在进行模式识别时，采用了HMM与ANN相结合的方法，对以往研究进行了改进，并取得了较为满意的结果。
虽然本文中有创新的地方并提高了识别率，但仍存在不足之处。首先，由于受到文化、性别、教育背景等的影响，每个人的说话特点都不尽相同，这将给语音情感识别的研究造成很大困难。本文仅仅对非个性化语音情感进行了研究，即只研究了人类在不同情感状态下语音特征的共性特征，并未对个性化特征加以分析。另外，由表3可知，愤怒、惊奇这两种情感的识别率分别为69.1%和79.6%，对这两种语音情感的识别率有待进一步地提高。
关于语音情感智能识别的研究正由起步阶段逐渐发展，研究方法也越来越多，但很多仍处于理论阶段，未被推广应用。由于情感语音是随时间变化的非平稳信号，在信号变化过程中也会有很多语音特征发生变化，所以，如果有一种方法能将这些特征结合起来研究，就能比较全面地描述情感语音信号。这种多类特征组合是特征获取的一个新兴研究动向。另外，用特征降文方法能实现语音情感的高效识别，但目前仍处于起步阶段，需要在这个方面进行更多的研究与尝试。