1、隨著科技的進(jìn)步和人們生活水平的提高，身心健康成為當(dāng)今社會(huì)的關(guān)注問(wèn)題。通常，研究者可以通過(guò)社交感知特征客觀分析和評(píng)估身心健康狀態(tài)。語(yǔ)音信號(hào)處理是該領(lǐng)域重要的研究方向。它可以通過(guò)提取分析和融合語(yǔ)音特征客觀地綜合評(píng)估社交人群的心理健康。因此，高效的語(yǔ)音分割算法將有利于社交語(yǔ)音感知特征的提取。
　　本文將針對(duì)傳統(tǒng)非監(jiān)督語(yǔ)音分割算法中基于HMM（Hidden Markov Model）分割精度的局限，提出了融合KL散度(kullback-l

2、eibler divergence)的HMM語(yǔ)音分割算法，進(jìn)一步提高語(yǔ)音分割準(zhǔn)確性。但是，從HMM-KLD的語(yǔ)音分割結(jié)果中，存在分割算法最優(yōu)判定問(wèn)題。對(duì)于該難點(diǎn)，本文提出了基于稀疏性相關(guān)特征的自動(dòng)判別語(yǔ)音分割方法，有效地解決這一難題。本文將從以下幾個(gè)方面進(jìn)行具體闡述。
　?。?）基于可穿戴社交感知系統(tǒng)和語(yǔ)音分割系統(tǒng)的國(guó)內(nèi)外研究現(xiàn)狀，本文提出了了高效的語(yǔ)音分割算法可以較好地幫助社交感知系統(tǒng)進(jìn)行語(yǔ)音特征分析并有利于研究在實(shí)際應(yīng)用中社交

3、感知行為或心理狀態(tài)與語(yǔ)音特征的關(guān)聯(lián)。
　　（2）基于傳統(tǒng)的HMM非監(jiān)督語(yǔ)音分割方法，評(píng)估在不同噪音場(chǎng)景下的語(yǔ)音分割準(zhǔn)確性。這一過(guò)程主要分為三個(gè)階段，第一階段是基于譜熵和短時(shí)自相關(guān)特征進(jìn)行去噪；第二階段基于短時(shí)能量去除無(wú)聲音的信號(hào)部分；第三階段主要是基于不同穿戴社交感知設(shè)備的人的短時(shí)能量的不同，分割出穿戴者語(yǔ)音信號(hào)。
　　（3）由于HMM算法分割精度的局限性，本文提出了融合KL散(kullback-leibler diverg

4、ence)的HMM語(yǔ)音分割算法可以進(jìn)一步提高語(yǔ)音分割準(zhǔn)確性，并通過(guò)所采集的語(yǔ)音信號(hào)驗(yàn)證新算法的改進(jìn)效果。
　?。?）根據(jù)HMM-KLD的語(yǔ)音分割算法中存下的最優(yōu)判定問(wèn)題，基于語(yǔ)音稀疏性相關(guān)特征，本文提出了一種可以自動(dòng)優(yōu)化判別語(yǔ)音分割算法的策略，進(jìn)一步提高語(yǔ)音分割算法的準(zhǔn)確性。
　?。?）基于基本語(yǔ)音特征和韻律語(yǔ)音特征，本文探索分析說(shuō)話人之間親密度以及老年群體的社交特征與他們的語(yǔ)音感知特征的聯(lián)系。
　?。?）總結(jié)全文和展