1、情感識(shí)別是人機(jī)交互中的重要研究課題，對(duì)于提高計(jì)算智能化和人性化有著重要的現(xiàn)實(shí)意義。語(yǔ)音情感識(shí)別是情感識(shí)別的重要組成部分，它主要關(guān)注如何從語(yǔ)音中更有效地識(shí)別出情感信息。在語(yǔ)音情感識(shí)別方面，國(guó)內(nèi)外研究人員在預(yù)處理、特征提取、特征融合、識(shí)別模型等各個(gè)領(lǐng)域開(kāi)展了廣泛而深入的研究，取得了許多研究成果。
　　 當(dāng)前，語(yǔ)音情感識(shí)別研究大多是基于理想無(wú)噪聲環(huán)境的。雖然其算法在這些環(huán)境下能獲得較高的識(shí)別率，但在噪聲環(huán)境下識(shí)別率就會(huì)急劇下降，這主要

2、是由于訓(xùn)練和測(cè)試環(huán)境的不匹配引起的。因此，語(yǔ)音情感識(shí)別中的噪音信號(hào)處理是語(yǔ)音情感識(shí)別研究的一個(gè)重要研究領(lǐng)域。
　　 本文的研究工作主要集中在語(yǔ)音情感識(shí)別中的預(yù)處理階段，主要包括以下三部分的工作：
　　 (1)本文在分析了各種減譜法之后，結(jié)合譜熵的特點(diǎn)，提出了一種基于譜熵噪聲估計(jì)的減譜法。該方法首先選取譜熵最大的一幀做為噪聲幀，然后在后續(xù)幀中進(jìn)行噪聲幀更新，同時(shí)在各幀減去對(duì)應(yīng)的噪聲幀，從而達(dá)到去噪目的。實(shí)驗(yàn)結(jié)果顯示，與其它

3、方法相比，本文提出的算法對(duì)信噪比和識(shí)別率兩方面都有所提高。
　　 (2)由于去噪后的語(yǔ)音中仍有剩余噪聲，為了能從中選取盡可能多的、更可靠的幀用于特征提取，本文定義了幀有效度用于衡量幀對(duì)于特征提取的準(zhǔn)確性和有效性；然后在此基礎(chǔ)上提出了一種基于幀有效度的動(dòng)態(tài)幀提取算法。實(shí)驗(yàn)結(jié)果顯示，該方法可以提高語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率。
　　 (3)本文融合上面提出的算法，設(shè)計(jì)了一個(gè)語(yǔ)音情感識(shí)別噪音信號(hào)處理仿真實(shí)驗(yàn)系統(tǒng)。該系統(tǒng)是一個(gè)集噪聲模擬