基于模型自适应修正和协同决策的说话人鲁棒语音情感识别方法研究

语音情感识别是情感识别领域关键且难度较大的研究问题之一。本项目旨在利用基于副语言的非个性化情感特征、情感上下文以及语音上下文受说话人变化干扰小的特点，结合识别模型自适应修正和多代理协同决策，解决与人无关环境下准确、实时识别连续语音中说话人情感的问题。本项目主要研究非个性化语音情感特征的实时提取方法，从情感上下文、语音上下文以及突发性副语言等方面，提取更丰富的能屏蔽说话人变化的语音情感特征；研究基于情感信息反馈的自适应模型修正方法，根据非个性化情感特征的初步识别结果自适应地修正个性化情感特征的识别模型参数，使修正后的情感识别模型参数能符合待识别情感语音的特点，从而消除说话人变化对情感识别的干扰；研究基于分类代理的语音情感协同决策识别方法，融合多方面的情感特征，通过分类代理的协作，优势互补，提高说话人鲁棒实时语音情感识别的识别率。本项目的研究对推动新型人机交互技术的发展和应用起着重要的作用。