1、隨著信息技術(shù)的發(fā)展和人機(jī)交互研究的深入，實(shí)現(xiàn)計(jì)算機(jī)智能識(shí)別人類情感變得越來(lái)越重要，它也是實(shí)現(xiàn)人工智能的基礎(chǔ)。語(yǔ)音信號(hào)是人與人之間交流的重要方式之一，它的作用不僅僅是傳遞語(yǔ)義，而且它還承載了說(shuō)話者的個(gè)人情感特征。語(yǔ)音情感識(shí)別是一個(gè)涉及多學(xué)科交叉的研究領(lǐng)域，它在實(shí)際的生產(chǎn)生活中具有廣泛的應(yīng)用前景。
　　本文主要對(duì)基于核方法模型的語(yǔ)音情感識(shí)別進(jìn)行了研究，回顧了語(yǔ)音情感理論的研究歷程和發(fā)展歷程，構(gòu)建了漢語(yǔ)語(yǔ)音情感庫(kù)，分析了常用的語(yǔ)音情感特

2、征和降維方法，并且將改進(jìn)的核方法用在情感識(shí)別當(dāng)中，提高了情感識(shí)別的準(zhǔn)確度。
　　論文的主要工作和創(chuàng)新點(diǎn)如下:
　　(1)簡(jiǎn)述了語(yǔ)音情感識(shí)別的研究背景和研究意義，對(duì)情感的定義、語(yǔ)音的產(chǎn)生過(guò)程、以及常用的情感特征和識(shí)別模型等進(jìn)行了概括和總結(jié)。
　　(2)錄制了實(shí)驗(yàn)室的五種基本情感的漢語(yǔ)情感語(yǔ)音庫(kù)，其中包含了憤怒、害怕、悲傷、中性、高興五種情感，并經(jīng)過(guò)聽(tīng)辨實(shí)驗(yàn)保證了數(shù)據(jù)的可靠性和有效性，該語(yǔ)音庫(kù)為后續(xù)的實(shí)驗(yàn)提供了實(shí)驗(yàn)素材。對(duì)

3、語(yǔ)音數(shù)據(jù)進(jìn)行了預(yù)處理，提取了情感特征，包括能量、基音頻率、Mel頻率等參數(shù)，組成了情感特征矢量，用于后續(xù)的情感識(shí)別實(shí)驗(yàn)中。
　　(3)針對(duì)一般的主元分析只能解決線性可分的樣本分類問(wèn)題，引入核函數(shù)變換，將數(shù)據(jù)映射到高維空間后再進(jìn)行主元分析，提高了識(shí)別效率;由Fisher線性鑒別分析的原理，引入了典型相關(guān)分析(CCA)和核主元分析相結(jié)合的方法解決類內(nèi)散度矩陣奇異的問(wèn)題，實(shí)驗(yàn)證明該方法對(duì)于情感識(shí)別具有良好的識(shí)別效果。
　　(4)研

4、究了支持向量機(jī)與核方法相結(jié)合的語(yǔ)音情感識(shí)別，將核方法應(yīng)用到支持向量機(jī)上能夠使分類器的性能更加強(qiáng)大。由于奇異或者含有噪聲的樣本可能會(huì)影響超平面方程的訓(xùn)練，出現(xiàn)過(guò)擬合的情況，通過(guò)PIM（partition index maximization）訓(xùn)練算法引入模糊因子，改進(jìn)基于核方法的支持向量機(jī)，將PIM-FSVM應(yīng)用到情感識(shí)別之中，從而減小過(guò)擬合的發(fā)生概率，改善了分類器的性能。
　　(5)由于核函數(shù)的形式對(duì)于情感識(shí)別的有著很大的影響，因