语音情感识别中UBM 训练集的组成研究

摘要：

　　语音情感识别中训练模型的数据组成是模型性能的关键。本文在基于以高斯超向量为特征的SVM识别理论框架下考察什么样的数据用于训练UBM最为合适，这其中的主要因素有哪些？本文从五个方面考察UBM训练集的选取标准，通过实验对比了其对于语音情感识别系统性能的影响，实验结果表明高斯混合数的不同对系统性能影响最强，信道次之，包含的情感类型与语种因素的影响程度弱于信道，但强于时长因素，为研究中对训练集的选取与模型的训练提供了依据。

关键词： 情感语音 语音识别 高斯模型 数理语言学

作者: 戴明洋 杨大利 徐明星

作者单位: 北京信息科技大学 计算机学院,北京 100101 普适计算教育部重点实验室 清华信息科学与技术国家实验室（筹）清华大学计算机科学与技术系,北京100084

会议类型: 国内会议

会议名称: 第十一届全国人机语音通讯学术会议

会议地点: 西安

会议语种:中文

页码: 1-5

在线出版日期: 2011-10-16（万方平台首次上网日期，不代表论文的发表时间）