應用 SVM 於腦波情緒辨識 SUPPORT VECTOR MACHINE to EMOTIONAL EEG RECOGNITION

台灣情緒語料庫建置與辨識 (An Emotional Speech Database in Taiwan: Collection and Recognition) [In Chinese]

[1]這本小書開始了情感運算的時代,此書定義了情感運算,從一個資訊工程研究者的角 度來描述與說明情感運算的應用及重要性,解釋基本的訊號處理與機器學習分類的觀念。 情感運算為一個龐大的研究議題,其中橫跨多個領域如資訊科學、心理學、感知科學和 工程學等等。[2]對語音情緒辨識做了大略的概論,首先整理了研究中普遍常見的情緒語 料庫,探討基本特徵參數如音高(Pitch)、能量(Energy)、基頻(Fundamental Frequency, F0) 和梅爾倒頻譜係數(Mel Frequency Cepstral Coefficients, MFCC)等,後端則實驗高斯混合 模型(Gaussian Mixture Model, GMM)、支持向量機(Support Vector Machine, SVM)、隱藏 式馬可夫模型(Hidden Markov Model, HMM)和類神經網絡(A...

結合非線性動態特徵之語音情緒辨識(Speech Emotion Recognition via Nonlinear Dynamical Features)[In Chinese]

本研究採用機器學習法對語音情緒辨識進行探討。除一般常被採用之語音特徵, 如音高、共振峰、能量以及梅爾倒頻譜係數之外,研究中加入了夏農熵和曲率指 標(curvature index)[9]兩項非線性特徵,再利用費雪鑑別比與基因演算法搭配的方 式進行特徵挑選。最後使用支持向量機分類器,對柏林語音情緒資料庫進行情緒 分類分析。在加入非線性特徵後,男性及女性之情緒辨識率分別為 88.89%及 86.21%。 Abstract This study is focus on speech emotion recognition through machine learning method. We add two nonlinear dynamical features: Shannon entropy and curvature index, of each frame other than ...

藍芽無線環境下中文語音辨識效能之評估與分析 (Performance Evaluation and Analysis of Mandarin Speech Recognition over Bluetooth Communication Environments) [In Chinese]

摘要 本論文探討語音辨識技術於藍芽(Bluetooth)無線環境下之效能。我們分別在藍芽實際與模擬使用 環境下,應用 TCC-300語料庫及 HTK軟體,進行一系列語者無關(Speaker Independent)的語音辨識實 驗。此外,為彌補通道效應之影響,我們亦引用若干強健性技術以提升辨識率。 為評估藍芽實際使用環境下之語音辨識效能,我們將 TCC-300語料庫轉錄成室內使用環境 0公尺、 4 公尺以及走廊使用環境 50 公尺三個藍芽操作環境語料庫,此語料庫可提供語音辨識或其他相關語音 處理研究之用。實驗結果顯示,在訓練環境與測試環境完全匹配情況下,測試距離為 0、4與 50公尺所 獲得之音節辨識率分別為 55.82%、53.54%、以及 42.74%,辨識率隨著距離增加而下降,而且遠低於在 原來的 TCC-300語料庫進行相同測試所得之 69.25%的辨識率。另外,在環境不匹配...

最小變異數調變頻譜濾波器於強健性語音辨識之研究 (A Study of Minimum Variance Modulation Filter for Robust Speech Recognition) [In Chinese]

本論文所探討的是語音特徵強健性技術,藉此改善雜訊環境下語音辨識的效能。我們利 用原始最小變異數調變濾波器法設計的環境失真目標函數,應用至求取濾波器之最佳頻 率響應上,進而發展出兩種特徵時間序列濾波器求取演算法,分別為基於最小變異數準 則之最小平方頻譜擬合法 (MV-LSSF)及基於最小變異數準則之強度頻譜內插法 (MV-MSI)。在這兩種方法中,利用我們所求得的濾波器之最佳頻率響應取代原始最小 平方頻譜擬合法(LSSF)與強度頻譜內插法(MSI)中所使用的濾波器,來得到欲逼近的目 標功率頻譜密度。從 Aurora-2 連續數字資料庫的實驗結果證實,這兩種基於最小變異 數準之調變頻譜正規化法,在各種雜訊環境下都優於傳統的兩種調變頻譜正規化法,而 得到更佳的辨識精確度。與基礎實驗結果相比較,MV-LSSF 與MV-MSI 所達到之相對 錯誤降低率分別為在 55.41%與 51.20%,顯...

標記對於類神經語音情緒辨識系統辨識效果之影響(Effects of Label in Neural Speech Emotion Recognition System)[In Chinese]