运用高斯混合模型识别动物声音情绪1
需积分: 0 77 浏览量
2022-08-03
20:40:07
上传
评论
收藏 3MB PDF 举报
应用天地
运用高
己口Ｉ晦Ｉ
１月
第］５卷第１
Ｉ期—■ｌ
斯混合模型识别动物声音情绪＊
刘
恒 吴 迪
苏家仪杨春勇
侯金
（中南民族大学电子信息工程学院智能无线通信湖北省重点实验室武汉４３００７４）
摘要：针对动物的情绪识别问题，提出高斯混合模型在动物声音情绪识别上的应用方法。利用语音信号处理与机器学习技
术，提取动物声音信号的过零率、共振峰、梅尔一频率倒谱系数３种描述动物情绪的特征参数。采用高斯混合模型对采集到的
动物声音信号训练样本进行聚类分析，计算测试样本后验概率，实现动物情绪的自动识别。通过分析特征参数的权重系数组
合、高斯混合数目对识别率的影响来择选最优参数。实验结果表明，经参数优化后的高斯混合模型可将动物声音情绪的识别
率由８４．２５％提高至９６．６７％。
关键词：动物情绪识别；高斯混合模型；权重系数；提取特征
中图分类号：ＴＮ９１２．３４
１３８４２．３
文献标识码：Ａ
国家标准学科分类代码：５２０．２０
Ｒｅｃｏｇｎｉｔｉｏｎ
ｏｆ
ａｎｉｍａｌ
ｓｏｕｎｄ’Ｓ
ｅｍｏｔｉｏｎ
ｂａｓｅｄ
ｏｎ
Ｇａｕｓｓｉａｎ
ｍｉｘｔｕｒｅ
ｍｏｄｅｌ
Ｌｉｕ
Ｈｅｎｇ
Ｗｕ
Ｄｉ
Ｓｕ
Ｊｉａｙｉ
Ｙａｎｇ
Ｃｈｕｎｙｏｎｇ
Ｈｏｕ
Ｊｉｎ
（Ｈｕｂｅｉ
Ｋｅｙ
Ｌａｂｏｒａｔｏｒｙ
ｏｆ
Ｉｎｔｅｌｌｉｇｅｎｔ
Ｗｉｒｅｌｅｓｓ
Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｏｌｌｅｇｅ
ｏｆ
Ｅｌｅｃｔｒｏｎｉｃ
Ｉｎｆｏｒｍａｔｉｏｎ
Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈ－Ｃｅｎｔｒａｌ
Ｕｎｉｖｅｒｓｉｔｙ
ｆｏｒ
Ｎａｔｉｏｎａｌｉｔｉｅｓ，Ｗｕｈａｎ
４３００７４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｒ
ｔｈｅ
ｐｒｏｂｌｅｍ
ｏｆ
ａｎｉｍａｌ
ｅｍｏｔｉｏｎ
ｒｅｃｏｇｎｉｔｉｏｎ，ｔｈｉｓ
ｐａｐｅｒ
ｐｒｏｐｏｓｅｓ
ａｎ
ａｐｐｒｏａｃｈ
ｏｆ
ａｐｐｌｙｉｎｇ
Ｇａｕｓｓｉａｎ
Ｍｉｘｔｕｒｅ
Ｍｏｄｅｌ
ａｌｇｏｒｉｔｈｍ
ｉｎ
ａｎｉｍａｌ
ｓｏｕｎｄｓ
ｅｍｏｔｉｏｎ
ｒｅｃｏｇｎｉｔｉｏｎ
ｂｙ
ｃｏｍｂｉｎｉｎｇ
ｓｐｅｅｃｈ
ｐｒｏｃｅｓｓｉｎｇ
ａｎｄ
ｍａｃｈｉｎｅ
ｌｅａｒｎｉｎｇ
ｔｅｃｈｎｉｑｕｅ．
Ｔｈｅ
ａｕｔｏｍａｔｉｃ
ｒｅｃｏｇｎｉｔｉｏｎ
ａｐｐｒｏａｃｈ
ｏｆ
ａｎｉｍａｌ
ｅｍｏｔｉｏｎ
ｉｎｃｌｕｄｅｓ
ｔｈｒｅｅ
ｋｅｙ
ｓｔｅｐｓ：ｔｈｒｅｅ
ｆｅａｔｕｒｅ
ｐａｒａｍｅｔｅｒｓ
ｅｘｔｒａｃｔｉｏｎ（Ｚｅ—
ｒｏ—ｃｒｏｓｓｉｎｇ
ｒａｔｅ。Ｆｏｒｍａｎｔ
ａｎｄ
Ｍｅｌ—Ｆｒｅｑｕｅｎｃｙ
Ｃｅｐｓｔｒａｌ
Ｃｏｅｆｆｉｃｉｅｎｔｓ），ｃｌｕｓｔｅｒ
ａｎａｌｙｓｉｓ
ｏｆ
ｔｒａｉｎｉｎｇ
ｓａｍｐｌｅｓ
ｂｙ
ｕｓｉｎｇ
Ｇａｕｓｓ—
ｉａｎ
Ｍｉｘｔｕｒｅ
Ｍｏｄｅｌ，ａｎｄ
ｃｏｍｐｕｔａｔｉｏｎ
ｏｆ
ｐｏｓｔｅｒｉｏｒ
ｐｒｏｂａｂｉｌｉｔｙ
ｏｆ
ｔｅｓｔｉｎｇ
ｓａｍｐｌｅｓ．Ｃｏｍｂｉｎａｔｉｏｎ
ｏｆ
ｆｅａｔｕｒｅ
ｗｅｉｇｈｔ
ｃｏｅｆｆｉ—
ｃｉｅｎｔｓ
ａｎｄ
ｔｈｅ
ｎｕｍｂｅｒ
ｏｆ
Ｇａｕｓｓｉａｎ
ｍｉｘｔｕｒｅ
ｃｏｍｐｏｎｅｎｔｓ
ａｒｅ
ａｎａｌｙｚｅｄ
ｔＯ
ｆｉｎｄ
ｔｈｅ
ｉｎｆｌｕｅｎｃｅ
ｔＯ
ｔｈｅ
ｒｅｃｏｇｎｉｔｉｏｎ
ｒａｔｅ．Ａｆｔｅｒ
ｔｈａｔ，ｃｈｏｏｓｉｎｇ
ｔｈｅ
ｏｐｔｉｍａｌ
ｐａｒａｍｅｔｅｒ，ｔｈｅ
ｅｘｐｅｒｉｍｅｎｔ
ｒｅｓｕｌｔ
ｓｈｏｗｓ
ｔｈａｔ
ｔｈｅ
Ｇａｕｓｓｉａｎ
Ｍｉｘｔｕｒｅ
Ｍｏｄｅｌ
ａｌｇｏｒｉｔｈｍ
ｗｉｔｈ
ｏｐｔｉ—
ｍａｌ
ｐａｒａｍｅｔｅｒ
ｅｆｆｅｃｔｉｖｅｌｙ
ｉｍｐｒｏｖｅｓ
ｔｈｅ
ｒｅｃｏｇｎｉｔｉｏｎ
ｒａｔｅ
ｏｆ
ａｎｉｍａｌ
ｅｍｏｔｉｏｎ
ｆｒｏｍ
８４．２５％ｔＯ
９６．６７％．
Ｋｅｙｗｏｒｄｓ：ａｎｉｍａｌ
ｅｍｏｔｉｏｎ
ｒｅｃｏｇｎｉｔｉｏｎ；Ｇａｕｓｓｉａｎ
ｍｉｘｔｕｒｅ
ｍｏｄｅｌ；ｗｅｉｇｈｔ
ｃｏｅｆｆｉｃｉｅｎｔｓ；ｆｅａｔｕｒｅ
ｅｘｔｒａｃｔｉｏｎ
１
引
言
随着动物行为学研究的发展，动物的情绪表达日益受
到关注。动物通过声音和动作等特定行为表达情绪，其
中，动物声音与人类语言类似，可实现同物种之间的交流。
长期以来，人们对动物情绪的认知局限于长期的经验总结
和直觉判断。如何实时有效地感知动物情绪成为新兴的
研究方向。
近年来，人工智能领域的机器学习和机器翻译技术新
进展使得人类识别动物声音情绪成为可能。ＧＭＭ成为
说话人识别中常用的模型ｎ］。但在情绪语音识别上，
ＧＭＭ的应用鲜有所见。美国南加州大学的ＬＥＥ
Ｃ
Ｃ等
人应用决策二叉树对人类的五种情绪进行分析［２］，促进了
机器学习在情绪语音识别上的应用。那不勒斯第二大学
的ＥＳＰ０ｓＩＴ０
Ａ等人在对情绪语音识别方法分析中提到
利用ＧＭＭ进行识别∞］。而在动物声音情绪的研究中
ＧＭＭ的应用更是鲜有所见。英国格拉斯哥大学的
ＢＥＬＩＮ
Ｐ团队对猫和猴子叫声进行分析，判识了积极和消
极两种情绪ｎ］，但情绪维度较少；匈牙利罗兰大学的
ＭＯＬＮＡＲ
Ｃ等人应用机器学习的方法对狗的６种不同行
为相对应的叫声进行了分析口］，但识别率为６４％左右。国
内学者在人类语音方面，主要研究了说话人识别耶３和人类
收稿日期：２０１６—０８
＊基金项目：国家自然科学基金项目（６１００２０１３）、国家林业局野生动植物保护与自然保护管理项目（ＢＺＹｌ３００２）资助
一８２一
国外电子测量技术
中国科技核心期刊
万方数据
评论0