基于支持向量机的语音情感识别的综述报告.docx

基于支持向量机的语音情感识别的综述报告
支持向量机是一种基于监督学习的机器学习方法，广泛应用于模式识别、分类、回归等领域。在语音情感识别方面，支持向量机也被广泛研究和应用。本文将从以下三个方面对基于支持向量机的语音情感识别进行综述：数据集、特征提取和分类器构建。
一、数据集
语音情感识别的数据集主要包括情感语音库和情感语音数据库两种。情感语音库是由人类主观标注的情感音频数据集，例如TESS、RAVDESS等；情感语音数据库则是由合成音频生成的情感数据集，例如BerlinEmotionalSpeechDatabase。
这些数据集主要用于训练和测试情感识别模型，确定情感声音的特征并建立分类器。
二、特征提取
针对语音情感识别，主要的特征提取方法包括基于时域的方法和基于频域的方法。
1.时域特征
时域特征通常包括基音周期、基音频率、过零率、能量、音调等。其中基音周期是基于声波周期的特征，通常用于表征音调和语调。基音频率则是基于基音周期的倒数，是衡量声音频率变化的指标，可以用于表征情感中的高低起伏。过零率可以反映语音信号的平滑性，能量则与语音信号的载波强度有关。
2.频域特征
频域特征则包括倒谱系数、频谱通量、语音信息系数等。倒谱系数是将人声信号进行傅里叶变换后提取的一种频率特征，可以表征声音的频谱包络。频谱通量则是目标信号和参考信号之间频谱差异的量度，可以用于表征情感中的音量、音质等。语音信息系数是一种信息论中的概念，可以用于反映信噪比等特征。
三、分类器构建
基于支持向量机的分类器主要包括线性支持向量机和非线性支持向量机。
1.线性支持向量机
线性支持向量机的分类器主要用于处理简单、线性可分的数据集。它通过寻找一个分界线，将特征空间划分为两个区域，从而实现分类。其中，支持向量是指最靠近分界线上的部分样本，特征向量则是输入的数据集。
2.非线性支持向量机
当数据集无法在低维度空间中线性可分时，非线性支持向量机就会发挥作用。非线性支持向量机通常将数据投影到更高维度的空间中，使其线性可分。因此，在构建非线性支持向量机时，通常需要考虑选择合适的核函数，从而实现高维度映射。
总结起来，基于支持向量机的语音情感识别是一种有效的技术，具有广泛的应用前景。通过选择合适的数据集、特征提取方法和分类器构建方法，可以实现更精确的语音情感识别。