语音情感识别

本书系统地阐述了语音情感识别的理论、方法和研究成果，主要由两部分构成：第一部分包括第1章到第9章，这九章的内容涵盖语音情感识别的基础知识、基本流程、特征提取以及识别网络，是对语音情感识别深入研究中不可或缺的知识；第二部分包括第10章和第11章，这两章的内容是在语音情感识别研究基础上的进一步深入，将脑电信号引入到情感识别研究中，以情感脑电辅助语音情感识别，是脑认知过程与传统信号处理手段的有效结合，为今后情感识别研究提供了新思路和新方法。 本书可作为人工智能、计算机、电子信息等专业的教师、研究生和技术开发人员学习语音情感识别知识的参考书。

第1章 语音情感识别基本知识
1.1 语音情感识别的研究背景和意义
1.2 语音情感识别关键技术
1.2.1 情感语音数据库
1.2.2 语音情感特征
1.2.3 语音情感识别模型
1.3 基于脑认知的语音情感识别研究
小结
参考文献
第2章 情感的划分
2.1 离散情感划分
2.2 情感维度空间模型
2.3 基于离散情感的维度空间模型
2.4 其他情感模型
小结
参考文献
第3章 情感语音数据库
3.1 情感语音数据库建立的基本原则
3.2 TYUT1.0情感语音数据库的建立
3.2.1 语音的采集
3.2.2 语句的有效性分析
3.3 TYUT2.0情感语音数据库的建立
3.3.1 截取情感语音素材
3.3.2 语句的有效性评价
3.4 基于PAD情绪模型的情感语音数据库优化及标注
3.4.1 TYUT2.0情感语音数据库的优化实验
3.4.2 三维PAD情感模型量化标注实验
3.5 常用情感语音数据库
3.5.1 柏林情感语音数据库
3.5.2 VAM数据库
3.5.3 SEMAINE数据库
3.5.4 IEMOCAP数据库
3.5.5 AVEC 2012数据库
3.5.6 MERC数据库
小结
参考文献
第4章 语音情感特征分析与研究
4.1 传统语音情感特征
4.1.1 韵律特征
4.1.2 音质特征
4.1.3 MFCC特征
4.1.4 LPCC特征
4.2 基于人耳听觉模型的谱能量特征
4.2.1 基本的谱能量特征介绍
4.2.2 人耳听觉特性
4.2.3 基于Bark尺度频带划分的谱能量特征
4.2.4 基于ERB尺度频带划分的谱能量特征
4.3 基于人耳听觉特性的谱能量特征的优化改进
4.3.1 声道响应对谱能量特征的补偿算法
4.3.2 基于TEO的谱能量特征
4.3.3 多种特征的情感识别率对比
4.4 基于HHT情感语音特征提取
4.4.1 HHT基本理论
4.4.2 集合经验模态分解方法EEMD
4.4.3 基于EEMD的IMFE特征提取
4.4.4 EEMD-Teager能量谱特征提取
4.4.5 HHT边际谱特征提取
小结
参考文献
第5章 基于人耳听觉的情感特征及在语音情感识别中的应用
5.1 ZCPA特征
5.2 帧优化算法对ZCPA特征的改进
5.2.1 帧优化算法基本理论
5.2.2 实验步骤
5.2.3 实验结果及分析
5.3 基于人耳听觉特性的过零峰值优选Teager能量算子(ZCMT)特征
5.3.1 ZCMT特征原理及提取步骤
5.3.2 实验结果及分析
5.4 声门补偿的ZCMT特征
5.4.1 语音产生的非线性模型
5.4.2 典型的声门特征及基音周期的提取
5.4.3 声门特征对于人耳听觉模型特征的影响
5.4.4 入耳听觉补偿算法
5.4.5 声门特征补偿的人耳听觉模型特征在语音情感识别中的应用
5.4.6 实验结果及分析
小结
参考文献
第6章 情感语音非线性特征分析研究
6.1 语音的非线性特性
6.2 情感语音信号的非线性特性
6.2.1 功率谱分析
6.2.2 主分量分析
6.2.3 相空间重构
6.3 非线性属性特征分析研究
6.3.1 关联维数
6.3.2 Kolmogorov熵
6.3.3 优选Lyapunov指数
6.3.4 Hurst指数
6.3.5 基于非线性属性特征的语音情感识别实验
6.4 基于相空间重构的非线性几何特征
6.4.1 非线性几何特征参数提取
6.4.2 基于五种描述符轮廓的语音情感识别实验
6.4.3 基于非线性几何特征的语音情感识别实验
6.5 基于特征级融合的情感语音特征参数优化
6.5.1 特征级融合在语音情感识别中的应用
6.5.2 基于特征级融合的语音情感识别实验
6.6 基于特征选择的情感语音特征参数优化
6.6.1 特征选择在语音情感识别中的应用
6.6.2 基于特征选择的语音情感识别实验
6.7 基于特征优化的情感语音特征参数优化
6.7.1 特征分析
6.7.2 特征优化算法
6.7.3 基于非线性全局特征的特征优化预实验
6.7.4 基于特征全集的特征优化语音情感识别实验
小结
参考文献
第7章 语音情感识别建模
7.1 基于CHMM语音情感识别系统的建立与实现
7.1.1 HMM建模的语音情感识别系统
7.1.2 CHMM语音情感识别系统的设计与实现
7.1 _3实验结果与分析
7.2 基于极限学习机的情感识别模型
7.2.1 核函数ELM基本理论
7.2.2 基于核函数ELM的情感识别
7.2.3 Im-ABC优化KELM识别网络
7.2.4 选择性集成极限学习机的研究
7.3 基于FCM的语音情感识别
7.3.1 FCM基本理论概述
7.3.2 FcM语音情感识别网络的架构
7.3.3 e-FCM语音情感识别网络的实现
7.3.4 实验及结果分析
小结
参考文献
第8章 融合算法应用于语音情感识别的研究
8.1 数据融合
8.1.1 数据融合的概念
8.1.2 特征级融合
8.1.3 决策级融合
8.2 决策融合e-FCM算法介绍
8.2.1 概率矩阵
8.2.2 决策方法制定
8.3 实验结果与分