摘要: 随着人工智能的发展，人们对机器的智能化研究更加深入，使机器具备和人一样的情感和思维是人机交互的重要难题。语音情感识别是情感识别领域中很重要的分支，在科学研究和商业应用这两个方面都存在很大的潜在价值。 根据语音情感识别的科研与商业... 展开 随着人工智能的发展，人们对机器的智能化研究更加深入，使机器具备和人一样的情感和思维是人机交互的重要难题。语音情感识别是情感识别领域中很重要的分支，在科学研究和商业应用这两个方面都存在很大的潜在价值。 根据语音情感识别的科研与商业需要，本文基于特征选择和优化研究了语音情感识别这个课题。具体研究内容如下： 提取语音中与情感相关的特征。包括四个韵律学特征：语速、基音频率、短时平均能量和短时平均过零率，一个音质特征：共振峰频率，以及一个频谱相关特征：梅尔频率倒谱系数。并获取了上述特征的统计参数。 研究了基于随机森林的语音情感特征选择算法。根据提取到的语音情感特征，研究了几种情感相关特征对不同情感语音的识别准确率。根据基于随机森林的特征选择算法，得到四种情感语音的最优特征组合，对四种情感两两组合获得的六种情感组合，针对每种情感组合得到其最优的特征组合。 研究了基于卷积神经网络的语音情感识别算法。首先，将MFCC与随机森林特征选择得到的特征组合起来作为输入特征，根据输入特征尺寸构建卷积神经网络模型，然后训练卷积神经网络，最终得到不同情感类别的语音的情感识别准确率。实验结果表明：使用卷积神经网络作为最终分类器时，本文的改进方法对四种情感语音的情感识别准确率相对于仅使用MFCC特征的方法提升了3.68%；当对四种情感两两组合时，语音情感识别率在78.80%到98.70%之间。本文的方法的结果均优于仅使用MFCC特征的方法。 研究了基于长短时记忆网络的语音情感识别算法。首先，将MFCC与随机森林特征选择得到的特征组合起来作为输入特征，构建长短时记忆网络模型，然后训练长短时记忆网络，最终对不同情感类别的语音进行识别。实验结果表明：使用长短时记忆网络作为最终分类器时，本文的改进方法对四种情感语音的情感识别准确率相对于仅使用MFCC特征的方法提升了1.14%；当对四种情感两两组合时，语音情感识别率在60.38%到87.14%之间。本文的方法的结果均优于仅使用MFCC特征的方法。 本文的研究成果可应用于人机交互、医学诊断和刑事侦查等多个方面。 收起