语音情感识别综述

随着情感计算成为人工智能的一个重要发展方向,语音情感识别作为情感计算的一个重要组成部分,受到了广泛关注。从情感描述模型、语音情感特征、语音情感库、语音情感挑战赛这4个方面对语音情感研究现状进行总结,并给出目前语音情感识别技术存在的挑战,以及相应的研究方法。     

基于支持向量机的语音情感识别

针对语音情感识别特征识别问题，本利用支持向量机进行了研究．分析表明语音信号的情感特征参数在输入空间中不完全是一个线性分类的问题，使用非线性的核函数对输入空间进行映射可以有效地提高识别效率．与已有的多模式语音情感识别方式相比，利用高斯(径向基)核函数的支持向量机的识别效果优于其他已有的方法．     

基于BP神经网络的语音情感识别研究

随着科技的迅速发展,人机交互越来越受到人们的重视,语音情感识别更是学术界研究的热点。将BP神经网络算法用于语音情感识别研究,并在汉语情感数据集上进行了相关实验,识别的准确率达到了91.5%,相较于SVM算法分类精度提高了5%。     

语音情感识别分类算法研究综述

语音情感识别本质上是对语音情感的特征参数进行分类和模式识别,其核心问题在于寻找一个更为合适的语音情感识别算法.综述了语音情感识别算法的分类概况、常用的分类算法、研究中的困难与需要进一步研究的问题.最后展望了可能提高精度的先进识别模型.     

基于半监督判别分析的语音情感识别(英文)

将基于多个嵌入图组合形式的半监督判别分析(SDA)以及核SDA(KSDA)应用于全监督的语音情感识别.在语音信号样本情感成分的预处理阶段,从样本语段中提取出多种特征及其统计参数,包括基音、过零率、能量、持续长度、共振峰和MFCC(Mel频率倒谱系数).在将样本特征送入分类器之前的维数约简阶段,使用经过参数优化的SDA或KSDA进行降维.Berlin语音情感数据库上的实验表明,在使用多类SVM分类器时的全监督语音情感识别中,SDA优于其他一些先进的基于谱图学习的维数约简算法,如LDA,LPP,MFA等,而KSDA通过核化的数据映射,能够取得比上述所有算法更好的识别效果.     

情感计算在e-Learning系统中的应用探索

本文针对目前e-Learning系统中情感缺失的现状,分析了其负面影响及已有的相关对策。在此基础上,笔者提出了将情感计算融入e-Learning系统中,利用表情识别、语音情感识别以及姿态识别等技术构建基于情感计算e-Learning系统模型,并对系统实现的关键技术进行了阐述。     

基于线性注意力和类Transformer模型的语音情感识别

鉴于Transformer模型在自然语言处理等序列任务中的优异性能,提出了一种适用于语音情感识别任务的改进的类Transformer模型.为了减小Transformer模型中多头注意力单元内部由softmax运算引起的巨大时间消耗与内存开销,提出了一种新的线性自注意力计算方法,通过使用泰勒级数展开公式代替原来的指数函数...     

基于模糊支持向量机的语音情感识别

根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量机(FSVM)原理,并将其应用于汉语语音信号中生气、高兴、悲伤、惊奇4种主要情感类型的识别。仿真实验结果表明FSVM比支持向量机(SVM)有着更好的分类性能和更高的识别率。     

基于二维情感空间的语音情感识别

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。     

e-Learning情感计算模型设计研究

目前,绝大多数e-Learning系统是在传统智力观指导下设计开发而成,严重忽视了学习者情感智能的发展。脑科学研究表明,情感在注意、记忆、推理和决策等方面发挥重要作用。以情感计算学说、人工心理学、脑科学等相关理论为指导,赋予计算机和网络以情感智能,以设计出支持适应性学习的e-Learning情感计算模型。     

基于语谱图的老年人语音情感识别方法

针对老年人的语音情感识别问题,提出一种基于语谱图的老年人语音情感识别方法。首先采用一种改进的基于先验信噪比的维纳滤波算法,针对老人语音情感库EESDB进行语音增强,选取合适的语音情感库,对语音进行语谱图特征提取与规范化,然后分析卷积神经网络(CNN)的结构并选定Cifar10网络对语谱图进行分类,最后采用3种方案进行对比实验。实验结果取得了较高的情感识别率,表明了该方法的有效性和可行性。     

基于SPCE061A语音识别灯的设计

随着DSP和专用集成电路技术的发展,语音识别已具有非常高的识别率,特别是针对计算量较小、特定人、孤立词等方面。为此,利用SPCE061A单片机设计开发的一种针对特定人语音识别的灯具开关,既免去了手动开关灯具的麻烦,又实现了无线准确可靠地控制。     

利用语音识别引擎实现电脑英语语音测试的探索

介绍了作研发的一套英语语音测试系统软件，能利用计算机判断识别学生的语言，可代替教师进行英语语音测试的繁重工作。     

情感因素与英语语音教学

情感因素在英语教学中有着不可忽视的作用,本文结合大学英语语音教学现状来探讨教学中的情感问题。分析学习者与学习者和学习者与教师之间关系的重要性,如何调动学生学习主动性,使学生尽早掌握正确的发音方法,提高英语实际运用能力。     

语音识别技术及应用综述

随着计算机处理能力的迅速提高,语音识别技术得到了飞速发展,其技术的应用正在日益改变着人类的生产和生活方式。本文介绍了语音识别的基本原理、方法,综述了语音识别系统的分类及语音识别技术的应用,分析了语音识别所面临的问题。     

基于智能化语音识别口语平台的大学英语口语教学模式探索

英语口语教学是大学英语教学中十分重要的内容之一。采用智能化语音识别口语平台的大学英语口语教学研究与实践,是对传统英语口语教学的一种创新和突破。本文探讨了基于智能化语音识别口语平台的大学英语口语新型教学模式。     

基于HMM状态结构调整的非特定人语音识别

利用HMM模型状态间的混淆度, 提出了一种新的状态结构调整算法, 使不同的状态可以共享相同的高斯混合函数, 并在EM算法的框架下推导出对状态结构调整后的增加参数, 即状态间权值的重估公式. 并对非特定人进行大词汇量汉语连续语音识别实验, 实验结果表明状态结构调整后的系统不仅优于基线系统, 还获得了比传统的参数增加方法更高的识别率, 由此证明了状态结构调整方法的有效性.     

一种基于语音识别的普通话语音失误判别方法

给出一种通过语音识别技术来判断普通话测试中语音失误类型的方法。系统对普通话测试卷中的每个单字都给出声母、韵母和声调的出错权重,在测试过程中,对每个被判别为存在语音失误的字进行分析统计,给出分析结果。试验证明通过这种方法可以判别出被测试者的主要语音失误类型,是一种可行的判别方法。     

基于安卓语音识别的无人机控制系统

为了使四旋翼无人机更加智能,控制更加简便,需设计新的控制方式。语音识别技术发展日趋成熟,在信息处理和自动化等领域应用相当广泛。通过在Android设备上传入语音命令操控四旋翼无人机,调整飞行姿态、速度、方向,解放了人的双手,实现了语音控制无人机飞行。不同环境下的测试结果表明,该系统功能良好。     

基于语义网络的e-Learning系统

语义网络技术能够很好地解决机器不能理解学习系统中学习内容以及不同学习系统之间的资源共享等问题。本文介绍语义网络的基本概念,分析当前e-Learning系统存在的问题,指出应用语义网络技术设计与开发e-Learning系统是学习管理系统未来发展的一个方向,并简要地介绍基于语义网络的e-Learning系统的设计与开发的基本思想。