【摘 要】
：
语音情感识别（Speech Emotion Recognition,SER）是一种基于人类自然语言的情感识别方法,是识别日常言语中个体情感的关键方式。SER使用语音片段的声学特征,而不是具有片段语义信息的词汇特征。因此,它通过受试者说话的“方式”来识别他们的情绪,而不是他们说话的内容。在智能人机交互和人机交互服务中,预测目标说话人的情感语境可以作为决策的重要因素,是计算机理解人类情感的关键,实现人
论文部分内容阅读
语音情感识别（Speech Emotion Recognition,SER）是一种基于人类自然语言的情感识别方法,是识别日常言语中个体情感的关键方式。SER使用语音片段的声学特征,而不是具有片段语义信息的词汇特征。因此,它通过受试者说话的“方式”来识别他们的情绪,而不是他们说话的内容。在智能人机交互和人机交互服务中,预测目标说话人的情感语境可以作为决策的重要因素,是计算机理解人类情感的关键,实现人机交互的前提。在语音情感识别领域,许多特征都可以表达语音的情感。如果结合不同语音情感模型的独特优势,将特征融合在一起,可以有效地提高识别性能。但在实践中,传统SER一般采用简单的两种言语情感特征的串并联连接。这种处理方法直接导致融合后语音情感特征的维数增加,过度增加了整个识别过程的计算量,从而无形地增加了识别系统的空间和时间复杂度。后来深度学习方法可以学习不同输入水平的有效语音信号的非线性表示。在声纹识别、语音识别、情感识别等领域得到了广泛的应用。在语音情感识别任务中,常用的有深度神经网络、卷积神经网络、循环神经网络等模型。但是基于深度学习的方法不能充分挖掘局部特征信息,同时忽略了全局特征的上下文连贯性。因此,为了突出不同任务的信号特征,解决以上在SER中出现的问题,本文提出了基于长短记忆网络层次融合的语音情感识别方法,其具体创新内容如下:1)该结构利用卷积长短期记忆（Conv LSTM）的层次块与序列学习。设计了双通道的四个Conv LSTM块,以提取具有层次相关性的局部情感特征。Conv LSTM可以关注语音片段中的关键元素,这些关键元素可以很容易地识别连续的语音信号序列,保证了语音情感识别框架的预测性能。采用Conv LSTM层进行输入-状态和状态-状态转换,利用卷积运算提取空间线索。利用残差学习策略提取层次相关语音信号中的时空线索。2)此外,利用一种新的序列学习策略来提取全局信息,并对门控循环单元（GRU）进行改进,根据输入特征的相关性自适应调整相关全局特征权值。运行三层双向GRU模型后,对注意力机制进行馈入,获得显著特征。然后操作全连接层,得到每个情感的判断结果。3)最后,使用中心损失函数与softmax损失,以产生概率分类。中心损失的改进提升了最终分类结果,保证了预测的准确性,并在整个语音情感识别方案中发挥了显著的作用。在两个标准的交互式情感语音、歌曲视听数据库以及Common Voice中文语音数据集上对该方法进行了测试,结果证明本文提出方法的有效性。
其他文献
混沌研究是当今世界上的一个举世闻名的科研热点,混沌动力学是一个涉及广泛的重要领域,国内外许多学者对这个课题进行了更加深入的研究与探讨。其中Lorenz方程和类Lorenz方程是具有典型性的混沌系统。许多科学研究者对Lorenz方程和类Lorenz方程以及所对应物理装置的研究数不胜数。本文分为四个章节:第一章为绪论,叙述水轮装置的发展过程,其中对五种不同水轮的物理装置进行简单介绍,两种具有代表性的混
本文主要以探究维米尔的绘画表现为核心展开讨论。维米尔作为荷兰赫赫有名的画家之一,曾经被人们遗忘长达200年之久后才重新被发现。人们之所以能够发现维米尔自身的价值,正所谓是“酒香不怕巷子深”,是历史让我们重新认识沉睡了两个世纪的维米尔。本文一共分为五个部分来探讨维米尔的绘画表现,首先是介绍本课题的研究背景、国内外的研究现状、研究目的、研究意义及研究方法;其次是介绍谜一样的画家----维米尔,从维米尔
随着现如今手机与网络的逐步普及,高中阶段的学生接触到网络的机会越来越多,高中阶段青少年是身心发展的关键期,他们同时也面临着重大的升学压力,家庭、学校以及社会都要重视他们的心理情况。当前关于网络自我表露的研究主要集中于网络自我表露对个体孤独感的影响,但个体的网络自我表露行为是如何引起的,受到哪些因素的影响,网络自我表露各个维度之间又有何种区别表明了有进一步探究的必要性。为此,本研究聚焦于亲子依恋这一
《弦歌吟》创作于2016年,作为李博禅的第45号作品,一经问世就频频出现在各大艺术院校与专业比赛中。这首体现出了西方作曲技术与中国传统音乐文化的融合的风格特点,呈现出一种多元又富含个人色彩的艺术风格。本文以《弦歌吟》的艺术创作为出发点,通过对结构与演奏技法的分析,以多角度进行探索,同时以个人的演奏经验作为实践素材,对该作品的深刻内涵进行探究。
魏晋南北朝时期,佛教开始逐渐摆脱汉代儒学独尊的尴尬地位,迅猛发展,成为当时社会上一种备受人们尊崇的文化信仰。在这种信仰的熏陶下,社会上孕育出一批佛教供养人。供养人,是指供奉“佛法僧”三宝之人。对供养人的理解,可将其看作是用自身财产供奉神佛、用精神信念遵循佛法的人。北朝孝文帝统治时期,洛阳地区的石窟造像艺术大肆盛行,佛教供养人出于自身目的,为获取来世福报,纷纷捐资“作佛形象”。在造像过程中,大多数供
近年来随着社会发展,对高素质、高水平的人才需求日益增加,课程改革也进入深化发展阶段,这对高等教育领域人才供给侧结构性改革提出了新的挑战。为加快高等教育改革进程,构建高水平人才培养体系,教育部提出了淘汰“水课”、打造“金课”,认为探究创新型课程教学,需要各高校梳理各课程进行改革。通过文献分析发现:项目教学法的使用是教育改革的有效路径。而高水平的项目式教学具有高阶学习教学模式的主要特征,是有效实现高阶
人工智能是研究开发用于模拟和扩展人类智能的理论和技术,聊天机器人问答系统作为计算机领域的一大研究热点,令很多研究者探究。当前,聊天机器人以先进的智能技术应用在智能客服、人机协同、智能语音等方面,使用场景十分普遍。Seq2seq模型是一种深度学习模型,主要用于聊天机器人生成对话或者是多标签文本分类等开放领域对话系统。但是,该类型的聊天机器人缺乏情感分析、心理咨询等功能。因此,针对传统的Seq2seq
自1889年缪勒-莱依尔（F.C.Müller-Lyer）提出以他的姓氏命名此错觉以来,该错觉以其有着强烈的错觉效应而受到广泛的注意。缪勒-莱依尔错觉从提出到现在虽然以及经由130多年的历史,并且在此期间,许多心理学家试图对该错觉的产生机制做出解释,得出了一些列的理论。这些理论总体来说或者认为错觉来自感觉阶段,或者认为错觉来自认知阶段,但综合所有研究,在变换了一定方法和被试的情况下,得出来的结果很
天然气主要成分为甲烷,在化工原料方面扮演着越来越重要的角色,同时是世界能源供应的重要组成部分。加工利用天然气有两种可行的技术路径,一是直接转化天然气的烷烃组分,制备氢气、炔烃、烯烃、芳香烃和其他化学品;二是首先将天然气转化成合成气（CO、H2）,再将合成气进一步制备成各类化工产品。其中,天然气部分氧化制取乙炔和合成气是工艺中运用十分广泛的路线。目前,甲烷非催化部分氧化法制乙炔工艺已经实现工业化,大
钾元素是植物的一种必需元素,决定着农作物的生长、发育和产量。作为肥料中重要的营养元素,钾既是评价肥料品质的重要指标,也是造成土壤、水源污染的重要原因之一。因此,准确地测定肥料中钾元素含量有利于正确使用肥料、减少钾污染。作为动物细胞组织液的重要组成元素,钠元素的补充影响着畜禽的食欲与代谢。所以,测量畜禽的日粮与钠添加剂中钠含量在科学养殖畜禽、提高畜禽业产值方面具有重要意义。作为成熟和准确的分析技术,