没有合适的资源?快使用搜索试试~ 我知道了~
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
资源详情
资源评论
资源推荐
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
笨爪
- 粉丝: 45
- 资源: 333
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0