基于高斯混合模型的说话人情绪识别方法的研究开题报告

1. 研究目的与意义

人们的情感，一般都可以通过语音的变化来识别。

语音情感识别在信号处理和人工智能等领域具有重要意义。

而且，如果在信息科学世界中考虑了信号中的情感信息，相应的就可以增加人工智能的智能化、拟人化，尽可能的消除人和机器之间的障碍。

2. 课题关键问题和重难点

1.在实现参数分析方法软件部分中遇到了较大的问题，由于对gmm方法的不熟练，从而对参数分析方法的学习有较大的困难，在老师的帮助以及查阅相关资料后解决了这一问题2.在实验应用中，往往得不到大量充分的训练数据对模型参数进行训练。

由于训练数据的不充分，gmm模型的协方差矩阵的一些分量可能会很小，这些很小的值对模型参数的似然度函数影响很大，严重影响系统的性能。

为了避免小的值对系统性能的影响，一种方法是在em算法的迭代计算中，对协方差的值设置一个门限值，在训练过程中令协方差的值不小于设定的门限值，否则用设置的门限值代替。

3. 国内外研究现状（文献综述）

gmm是目前为止相比较而言比较流行的一种模型，而且属于参数法概率密度函数估计。

gmm在模式识别、数据深挖、分析计算等领域都被长时间使用。

gmm的模型[4]混合高斯分布模型是只有一个状态的模型，在这个状态里具有多个高斯分布函数。

4. 研究方案

本课题将会基于高斯混合模型的说话人情绪识别方法的研究，并对这个模型进行分析。

1、建立语音情感数据库情感语音库是情绪识别研究的基础，一个完备的、规模合理的、反映真实情感的语音数据库，对日后的研究具有非常重要的意义。

目前国际上已知的可以为情感研究所使用的数据库较少。

5. 工作计划

2022-2022-1学期：第15-16周：完成选题，查阅相关中英文资料，进行相关技术的学习；第17周：与导师沟通进行课题总体规划；第18周：导师下发毕业设计（论文）任务书，学生根据导师的要求进行外文翻译，列出开题报告大纲；第19周：搭建开发环境，撰写开题报告。

2022-2022-2学期：第1-2周：进行课题的需求分析，提交开题报告；第3-4周：根据需求分析设计并建立数据库；第5-6周：完成基于高斯混合模型的说话人情绪识别方法的相关学习；第7-8周：对基于高斯混合模型的说话人情绪识别方法的调试与功能实现；提交毕业设计论文提纲给指导老师审阅；第9-11周：完成基于高斯混合模型的说话人情绪识别功能测试；完成毕业论文初稿；第12周：在教师的指导下对撰写的论文进行修改，提交论文终稿及合格的论文检测报告、毕业设计（论文）资料装袋；第13-14周：筹备毕业答辩相关事宜，制作参加毕业答辩的演示课件。

参加毕业答辩，并提交全部文档和成果材料。