1、語(yǔ)音信號(hào)中情感信息的識(shí)別對(duì)改善人機(jī)交互能力有著關(guān)鍵性的作用，它能有效地改善呆板的人機(jī)交互服務(wù)，提高人機(jī)交互的親切性和準(zhǔn)確性。本文以matlab7.0為平臺(tái)，對(duì)面向人機(jī)交互的語(yǔ)音情感方法涉及的核心技術(shù)進(jìn)行了研究和仿真，最終實(shí)現(xiàn)了語(yǔ)音情感識(shí)別。
　　本文共提取了八種與情感狀態(tài)息息相關(guān)的特征參數(shù)，并對(duì)提取到的八種主要情感特征參數(shù)統(tǒng)一進(jìn)行了矢量量化。最后識(shí)別環(huán)節(jié)選用了離散HMM模型對(duì)語(yǔ)音庫(kù)中的五種情感信號(hào)進(jìn)行了情感識(shí)別，統(tǒng)計(jì)了識(shí)別率。具體

2、工作如下：
　　第一，本文以建立不依賴(lài)于錄音者和文本內(nèi)容的語(yǔ)音情感識(shí)別為目標(biāo)，選取了引導(dǎo)型語(yǔ)音采集方法對(duì)高興、驚訝、憤怒、悲傷和中立五種情感進(jìn)行錄音。
　　第二，對(duì)語(yǔ)料庫(kù)中的語(yǔ)音信號(hào)進(jìn)行了預(yù)處理后，提取了短時(shí)平均能量、短時(shí)平均幅值、短時(shí)過(guò)零率、短時(shí)自相關(guān)函數(shù)、基音頻率、LPCC、MFCC和共振峰八種特征參數(shù)。
　　第三，在提取完特征參數(shù)后，本文選擇了DHMM進(jìn)行了情感識(shí)別。采用矢量量化方法，對(duì)所有參數(shù)進(jìn)行了特征降維，選