服务机器人的语音情感识别与交互技术研究.pdf

1、小 型 微型 计算 机系 统 J o u r n a l o f Ch i n e s e Co mp u t e r S y s t e ms 2 0 1 0年 7月 第 7期 V0 1 3 1 No 7 2 0 1 0 服务机器人的语音情感识别与交互技术研究 袁 健 ， 贺 祥 ， 许华虎。 ， 冯肖维 ， 刘 玲 ( 上海大学 计 算机工程 与科学学院 ， 上海 2 0 0 4 4 4 ) ( 上海大学 机电工程与自动化学院， 上海 2 0 0 4 4 4 ) ( 上海大学 计算中心， 上海 2 0 0 4 4 4 ) E ma i l ： j i a n y u a n c h n g

2、 ma i l c o m 摘要： 分析语音情感识别技术的发展现状和关键技术， 将基于隐马尔可夫模型的语音情感识别方法应用在机器人中， 目的在 于使机器人能够识别人的语音信号中的情感信息， 并做 出相应的情感表达 这在我们研制出的服务机器人 中得到 了较好的应 用， 该机器人能够识别人的语音情感并能与人进行一定的交互 关 键 词： 语音情感识别； 服务机器人 ； 情感机器人 中图分类号： I I 9 1 2 文献标识码 ： A 文 章 编 号： 1 0 0 0 - 1 2 2 0 ( 2 0 1 0 ) 0 7 - 1 4 6 6 - 0 4 St u dy o n t he Sp e e c

3、 h Emo t i o n Re c o g ni t i o n a n d I nt e r a c t i v e Te c h no l o g y o f S e r v i c e Ro b o t YUAN J i a n 。眦Xi a n g ， ) ( U Hu a - - - - -h u ，F ENG Xi a o - we i 2，删Li ng ( C o l l e g e o fC o m p u t e r E n g i n e e r i n g a n dS c i e n c e ，S h a n g h a i U n i v e r s i ty，

4、S han g hai 2 0 0 4 4 4，C h i n a ) ( C o l l e g e of Me c hat r o n i c s E n g i n e e ri n g a n dA u t o m a t i o n ， S h a n g hai U n i v e r s i ty ，S han g hai 2 0 0 4 4 4， Ch in a ) ( C o m p u t e rC e n t e r ， S han g hai U n i v e r s it y ，S han g hai 2 0 0 4 4 4 ，C h i na) Abs t r a

5、c t ： Tl l i s pa p e r a na l yz e s t h e d e v e l o p me nt a n d k e y t e c h no l og i e s o f s pe e c h e mo tio n r e c og ni tio n tec h no l og ythe n a p pl i e s the s pe ech e mo ti o n r ec o g n i ti o n tec hn o l o gy b a s e d o n H删t o r o b o t 1 h e p u r p o s e i s t o e n a

6、 b l e the r o b o t t o r e c o g niz e a n d t O u n d e r s t a n d t h e e mo ti o n a l i n f o r ma t i o n t h a t l i e s i n s p e e c h s i gn a l an d the n t o g i v e the c o r r e s p o n d ing e mo ti o n e x p res s i o n t h r o u g h s p e e c h，f a c i a l e x p r e s - s i o n，b

7、od y a c ti on a n d S O o n e p a pe r g i v e s the印 p fic a ti on o f a p p l y i n g t he s p e e c h e mo tio n r ecog n i tio n a n d i n ter a c t i v e t e c hn o l og y t O s e r v i c e r o b o t T h u s i t f o rm s n a t u r a l a n d u s e r - f r i e n d l y i n temc ti o n an d e s ta

8、 b l i s h e s f r i e n d l y h u man ma c h i n e i n ter a c ti o n e n v i r o n me n t Ke y wo r d s ：s pee c h e mo tio n r e c o g n i t i o n ：s e rvi c e r o b o t ；e mo t i o n r o b o t 1 引 言 服务机器人是一种半 自主或全 自主工作的机器人， 它能 完成有益于人类的服务工作， 但不包括从事生产的设备 与工业机器人注重精密、 快速和高效相比， 服务机器人则更重 视安全可靠和使用方便， 这

9、是因为服务机器人更贴近人类的 日常生活 语音情感识别就是从语音信号中识别出说话人的情感信 息， 它是情感机器人 中情感识别系统的一个重要组成部分 情 感机器人是指具有人类智能的机器人 它从人类中成长， 学习 人类的技能， 与人类拥有共同的价值标准， 可以看成是人类思 维的后代 这里所说的人类智能， 是一种广义上的智能， 它不 但包括一定的智商， 同时还具有一定的” 情商” l 2 J 语音情感 识别在 自然人机交互、 多媒体分段与检索、 安全系统自动监管 等方面有着广泛的应用前景 比如， 用于 自动远程电话服务中 心， 及时发现客户的不满情绪 ； 用于远程教学和婴儿教育 ， 及时识别学生的情绪

10、并做出适当的处理， 从而提高教学质量； 也可以用于刑事侦察中自动检测犯罪嫌疑人的心理状态以及 辅助测谎等 本文介绍了 V C+开发环境下服务机器人的语音情感 识别和语音交互系统的实现， 通过实验表明， 机器人能够识别 人的情感并能与人进行友好的交互 2 语音情感识别的研究现状 在 1 9 7 2年， Wi l l i a ms 发现人的情感变化对语音的基音轮 廓有很大的影响， 这是国外最早的语音情感方面的研究之一 近年来研究最活跃的是美国麻省理工学院媒体实验室 1 9 9 0 年， 麻省理工学院媒体实验室构造了一个” 情感编辑器” 对外 界各种情感信号进行采样 ， 如人的语音信号、 脸部表情信

11、号等 来识别各种情感 j 1 9 9 6年 日本东京 S e i k e i 大学提出情感空 间的概念并建立 了语音情感模型 2 0 0 0年 ， Ma r i b o r大学的 V l a d i m i r H o z j an 研究了基于多种语言的语音情感识别 J 国 际语音通信协会( I S C A) 为此也做了很大的贡献， 现在该协会 每两年举办一次的E u r o s pee c h 或I n te rs p e e c h 国际会议 ， 是语 收稿日 期 ： 2 0 0 9 - 0 3 1 6 基金项 目： 国家” 八六三” 高技术研究发展计划项 目( 2 0 0 7 A A 0

12、 4 1 6 0 4 ) 资助 作者简介： 袁健， 男， 1 9 8 5 年生， 硕士 研究生 ， 研究方 向为语音情感识别、 多媒体技术 ； 贺祥 ， 男 ， 1 9 8 4年生 ， 硕士研究生 ， 研究方 向为机器视 觉； 许华虎 ， 男 ， 1 9 6 6年 生 ， 教授 ， 博 士， C C F高级会员， 研究方向为多媒体技术、 C I MS 、 网络等； 冯肖维。 男， 1 9 8 2年生， 博士研究生 ， 研究方向为智能机器人控制等； 刘玲， 女， 1 9 7 7年 生 ， 研究方向为网络管理 7期 袁健 等 ： 服务机器人的语音情感识别与交互技术研究 1 4 6 7 音研究领域非

13、常出名的大会 在国内， 语音情感识别的研究起步较晚， 但是国家以及大 学和科研院所都加大了在这个领域的研究力度， 比如中科院 自动化所、 清华大学、 北京科技大学、 东南大学、 浙江大学等 2 0 0 1年， 东南大学赵力等人提出语音信号中的情感识别研 究 j 2 0 0 3年， 北京科技大学谷学静等人将 B D I A g e n t 技术 应用与情感机器人的语音识别技术研究中 另外， 2 0 0 3年 1 2 月中科院自动化所等单位在北京主办了第一届中国情感计算 及智能交互学术会议， 2 0 0 5年 1 0月又在北京主办了首届国 际情感计算及智能交互学术会议 J 对于语音情感识别技术的研

14、究， 情感语音库是个基础工 程； 另外还需要提取有效 的情感特征， 改进语音情感识别算 法 ， 提高情感的识别率 3 语音情 感识别的关键技术 3 1 语音信号 的情 感特征提取 基于心理学和韵律学研究的结果， 说话者的情感在语音 中最直观的表现就是韵律特征和语音质量的变化 因此对语 音情感识别的研究普遍从韵律特征和音质特征开始， 尤其是 韵律特征 ， 被认 为是 最 主要 的语 音情 感 特征 J 本 文采 用 窗 长 2 3 2 2 ms ( 2 5 6点 ) ， 窗移 1 0 ms 的汉 明窗 ， 选取语 音持 续 时 间、 平均基音频率、 最大基音频率、 基音频率的平均变化率、 语 音

15、短时能量变化率和有声部分平均短时能量、 短时平均振幅、 最大振幅、 振幅平均变化率、 共振峰频率的平均值 、 共振峰频 率的平均变化率、 共振峰峰值点回归直线的平均斜率以及共 振峰峰值的平均值等情感特征作为情感识别用参数 3 1 1 语音持续时 间 计算每一情感语音从开始到结束的持续时间 提取持续 时间时应包括无声部分， 因为无声部分对情感是有贡献的 3 1 2基音 频率 基音是指物体振动时所发出频率最低的音， 利用倒谱法 逐帧计算出基音频率， 考虑到可能产生检测错误， 因此对结果 进行中值滤波和线性平滑处理” 选取平均基音频率 ， 最大 基音频率 、 基音频率的平均变化率等参数用于情感识别

16、3 1 3 语音信号 的能 量 由于语音信号的能量随时间变化 ， 清音和浊音问的能量 差别相当显著 ， 因此对短时能量进行分析， 可以描述语音的清 浊音变化情况 短时能量定义为 = x ( m) o J ( n 一 ， ， 1 ) = ( ) m( m) ( 1 ) 一 一 + 1 式 1中， 汉明窗函数 I) ( n ) 平方的物理含义是一个冲激响 应为 c 0 ( n ) 的滤波器 首先求出语音信号各样本点值 的平 方， 然后样点通过滤波器输 出由短时能量构成的时问序列 采 用窗长 N= 2 3 2 2 ms ( 2 5 6点) ， 在满足对语音振幅瞬间变化的 细节进行了有效平滑的前提下，

17、 保证了短时能量的明显变化 识别时将情感语音短时能量变化率和有声部分平均短时能量 作为特征参数 3 I 4 语音信 号的振 幅 信号的振幅特征与各种情感信息具有较强的相关性 短 时能量函数存在对信号电平值过于敏感的问题， 可通过平均 振幅函数来衡量语音幅度的变化， 其定义为 = l ( n ) l ( nw)= I ( n ) I ( m) ( 2 ) m = 一 州 0 一 + I 式 2可以理解为窗函数 o ( n ) 对信号进行了线性滤波运 算 与短时能量比较， 短时平均振幅用绝对值之和代替了平方 和， 简化了运算 由于振幅的瞬间最大值很难屏蔽掉一些干扰 导致的突变， 那么取得的值将是不

18、准确的 因此， 选取从发音 开始到结束之间的平均振幅的最大值作为最大振幅， 同时提 取振幅平均变化率作为参数用于语音情感识别 3 1 5共振峰 共振峰是反映声道特性的一个重要参数， 因为不同情感 的发音可能使声道有不 同的变化， 所 以能够预料到不同情感 发音的共振峰的位置不同 本文首先用线性预测法求出预测 系数， 然后用预测系数估计出声道的频响曲线， 再用峰值检出 法计算出各共振峰的频率 选取共振峰频率的平均值、 共 振峰频率的平均变化率、 共振峰峰值点回归直线的平均斜率 以及共振峰峰值的平均值等作为识别用特征参数 3 2 语音情感识别方法 语音情感识别是一个模式识别问题， 大部分模式识别和

19、 分类方法都被尝试用于语音 中情感的自动识别， 这些方法包 括人工神经网络， 隐马尔可夫模型， 混合高斯模型， 支持向量 机和最 大似然贝 叶斯分 类等 本文利用 隐马尔 可夫模型 ( H MM) 的方法实现对语音信号中的情感的识别 隐马尔可夫模型作为语音信号的一种较为理想的统计模 型， 今天已经在语音处理领域获得了广泛的应用， HMM 已成 为语 音识别领域 很成 熟 的方法 ， 形成 了用 于语 音识别 的基 本 结构框架： 如 B a u m We l c h训练算法、 Vi t e r b i 识别算法等 假 定有一个含有 V种情 感状 态语音 的待识别语 音库 ， 每 个情感状态都有

20、 K个语音样本 对于情感语音的识别， 要完 成以下工作” ： 1 ) 语音库中的每个情感状态 V建立其对应的隐马尔可 夫模型 ， 即得到和每种情感状态用于训练的所有观察序列 最为匹配的参数模型( 耵， A， B) ( O ) 图 1 隐马尔可夫模型状态转换图 Fi g1 The s t at e t r a ns i t i on di a g r a m f or HM M 2 ) 对于任何一个待识别的语音样本 ， 执行图 1中所示的 步骤， 在图 1 中 a ； 是状态转移矩阵 A中的元素， b j ( 0 ) 是分布 矩阵 B的列向量 首先通过特征提取得到待识别单词的观测 矢量序列 O；

21、 随后依次对每个模型计算其匹配得分， 匹配得分 可以通过 V i t e r b i 算法得到； 最后选择匹配得分最高的模型作 为识别结果， 即： Va r g。ma x P ( O A v ) ( 3 ) 1 4 6 8 小型微型计算机系统 2 0 1 0薤 4技术应用 4 1 机器人平台介绍 本文将语音情感识别技术应用在国家” 八六三” 高技术 研究发展计划项 目” 家庭生活支援多机器人系统” 的语音子 系统中， 验证了语音情感特征提取和情感识别方法的有效性 该机器人的头部能够实现眼球的转动、 眼睑的闭合、 嘴的闭 合、 头部的转动等并能做出基本的表情 机器人的结构设计和 系统设计完全根据

22、生理学人体结构来设计 ， 控制系统采用上 下位机结构 机器人的移动部分使用两轮差动机构进行驱动， 并且配有两个 6自由度的手臂， 可以进行复杂操作 上位机采 I 皇 卜 _ 上 位 监 控 P C 音响 I r一 工业现场总线 由审豳豳 哮 图2 机器人平台构成 Fi g 2 Th e s t r uc t ur e o f r ob ot pl a t f or m 用工业P C机， 主要负责导航、 身体的协调控制、 语音情感的识 别、 语音识别和语音合成等工作； 下位机是基于现场总线的集散 式控制模块， 主要负责传感器信息接收及初级处理、 电机驱动和 运动控制等工作 监控模块与各执行机构之

23、间通过传感系统进行 联系， 上位机和下位机通过局域网进行连接和通信 用户可以通 过网络、 手机、 无线麦克风等方式实现对该机器人的控制， 以此满 足各种家庭信息的需求 通过下位监控模块的感知， 机器人上位 监控程序针对不同的语音输入识别出不同的情感状态， 从而做出 不同的情感表达和交互 如图2为机器人平台构成 鲞前蕾 蛹 罐： 赋 一 抗 忠 崮稚抗惑 ： s P 雌 H s t 酊 二 生 结果 历史i 已 最 I Sl t re c g r , 1 S t 0 * l cr 0n I s E t p s t t 柚 e l n O E 工s R t p St t O K j R- r 1

24、l rt t d l t t n I s E 面 t 0 p 0 K I SB e Se ； ：l O 斌 nd I S Rr e c R t c I ： r St 。 非 I c E I z f St I r+0 K r h 。 I s e p s I o l n 0 E B At t t 0 K ；q cc t c T h n q ql t t l I 毫 I s Re t o I S R j1 0 址nd T R n n 图3 实验系统主界面 F i g 3 Th e ma i n i n t e r f a c e o f e x p e r i me n t a l s y s te

25、m 4 2 机器人语音情感识别系统实验过程 本实验主要完成机器人对语音信号的情感的识别， 使人 与机器人之间可以完成情感和语音的交互， 同时可使机器人 听从人的指挥完成一定的任务 如图 3为语音情感识别实验 系统 主界 面 在语音情感识别实验中， 首先邀请 8名大学生参加录音， 录音者均为表演专业学生 所录制语料经过 4名非录音者进 行听辨实验， 去除了其中3 0 左右情感类型不明显的语料 ， 挑选出共计 5 5 0条语料用于测试， 其中包含高兴， 伤心， 生气 ， 害怕， 惊讶5类情感语料各 l l O句左右， 组成了录制情感语音 数据库， 录制格式为 1 1 K H z ， 1 6 b i

26、 t 的单声道 WA V音频格式； 然后进行语音信号的特征提取并通过本文隐马尔可夫模型识 别方法对语音中的情感进行识别和计算； 同时语音识别模块 会识别出语音中包含的文字信息 ， 这样机器人可以根据文字 和情感信息来与用户进行更人性化的交流 4 3 实验结果分析与比较 表 1实验结果表明， 伤心的识别率为 8 6 4 ， 生气的识 别率为7 3 6 ， 其他三种情感的识别率略低 ， 平均识别率为 6 9 8 ， 还是比较理想的 表 1 语音情感识别实验结果 Ta b l e 1 Th e res ul t o f e x p e rime nt 文献 1 4 研究了基音频率、 振幅能量和共振峰

27、等 目前常 用的情感特征在语音情感识别中的作用， 重点研究了MF C C 和A MF C C， 将处理后的频谱特征参数同原有的 B P人工神经 网络模型有效地结合起来 ， 形成完整的语音情感识别系统， 取 得了6 4 4 的平均识别率 该方法对于生气、 高兴、 伤心、 害 怕 的识别率分别达到了 6 4 5 、 5 4 9 、 8 3 3 、 5 5 O ， 而本 图4 语音交互模块框图 F i g 4 Th e d i a g r a m o f s p e e c h int e mc fi o n mo d u l e 文中的识别方法对这几种情感的识别率都有所提高 ， 平均识 别率也提高

28、了5 4 文献 1 5 利用模糊熵理论来分析语音 信号情感特征参数相对于识别情感模式的不确定度 ， 提出了 一种利用模糊熵对情感参数有效性进行度量的方法， 并将参 数有效性分析结合模糊综合判别对情感语音信号作情感识 7期 袁健 等 ： 服务机器人的语音情感识别与交互技术研究 1 4 6 9 别 该方法在对高兴( 7 6 2 5 ) 、 惊讶( 7 5 ) 的情感识别效果 较好， 但该方法在对于生气( 6 1 9 5 ) 、 伤心( 7 5 ) 的识别率 上不如本文的方法 4 4 语音交互的实现 如图4所示， 语音交互模块包括语音合成和语音识别 ， 主 要完成机器人的实时语音控制， 它是人与机器

29、人之间借助语 音沟通信息的桥梁 它以语音信号作为输入， 比如用户的输入 语音为” 帮我倒咖啡”， 经系统处理和识别后 ， 转换成相应的 动作代码控制机器人 ， 使其执行相应的动作； 同时机器人可以 通过说话的方式来予以反馈， 比如机器人会在完成动作的时 候说出” 咖啡已经倒好了” ， 也可以根据语音情感识别的结果 而做出相应的情感表达， 比如为主人跳个舞或唱首歌 5结论 本文对服务机器人的语音情感识别技术及交互技术进行 了研究， 并在机器人平台上给出了初步的实现， 实验表明： 机 器人能够识别人的情感并能与人进行友好的交互 由于受许 多因素的影响， 本文还有很多问题尚待解决 今后还需要进一 步

30、研究情感模型的建立， 改进语音情感识别算法并和有效的 情感特征相结合等， 以提高情感的识别率 ， 使得机器人与人的 交互更加 自然 和人 性化 Re f e r e nc e s： t X i a o X i o n g -j u n ， C a i Z i x i n g D e v e l o p m e n t o f S e r v i c e robot s J Au t o ma ti o n P a n o r a ma ， 2 0 0 4 ， 2 1 ( 6) ： 1 0 1 3 2 G u X u e - j i n g ， S h i Z h i - g u o ， Wan

31、g Z hi fi a n g R e s e a r c h o f a f f e c t i v e r o b o t b a s e d o n B D I a g e n t J A p p l i c a ti o n R e s e a r c h o f C o m p u t - e r s ， 2 0 0 3 ， 2 0( 4) ： 2 4 - 2 6 3B a t li n e r A，F i s c h e r K，H u b e r R，e t a 1 Ho w t o fi n d t r o u b l e i n c o m m u n i c a ti o

32、n J S p e e c h C o m m u ni c a ti o n ， 2 0 0 3 ， 4 0 ( 1 - 2 ) ： 1 l 7 1 4 3 4 C o w i e R ， D o u g l a s C o w i e E ， T s a p a t s o u li s N， e t a1 E m o ti o n r e c o g ni t i o n i n h u m a n c o m p u t e r i n t e r a c ti o n J I E E E S i g n a l P r o c e s s i n g ma g a z i n e ，

33、 2 0 0 1 ， 1 8 ( 1 ) ： 3 2 - 8 0 5 C h e n n o u k h S， G e r r i t s A ， Min t G， e t a1 S p e e c h e n h anc e m e n t v i a f r e q u e n c y e x t e n s i o n u s in g s p e c t r a l f r e q u e n c y C P r o c I C A S S P S alt La k e Ci t y，2 0 01 ， 5 6 C h e n J i a n x i a A n o v e r v i

34、e w o n s p e e c h e m o t i o n r e c o g niti o n C Th e F i r s t Ch i n e s e Co n f e r e n c e o n Affe c t i v e Co mpu tin g a n d I n t e l l i g e n t I n te rac ti o n ，B e i j i n g ， 2 0 0 3 7 Z h a o L i ， Q i a n g X i a n g m i n ， Z o u C ni r o n g ， e t a 1 A s t u d y o n e m o

35、- t i o n al r e c o g n i ti o n i n s p e e c h s i g n a l J J o u r n al o f S o ft w a r e ， 2 0 0 1 ， 1 2 ( 7 ) ： 1 0 5 0 1 0 5 5 8 L i n Y i fi n ， We i G ang ， Y a n g K a n g c a i A s u r v e y o f e m o ti o n r c c o g n i t i o n i n s p e e c h J J o u r n al o f C ir c u i ts a n d S

36、y s t e ms ， 2 0 0 7 ， 1 2 ( 1 ) ： 9 0 - 9 8 9 B h a t t i MW， Wa n g Y， G u a n L A n e u r a l n e t w o r k a p p ro a c h f o r h u - m a l l e m o ti o n r e c o g n i ti o n in s p e e c h C I S C A S 0 4 ， 2 0 0 4 1 8 1 - 1 8 4 1 0 Z h a o L i ，K o b a y a s h i Y。 N i i m i Y T o n e r e c o

37、 g n i ti o n o f C h i n e s e c o n ti n u o u s s p e e c h u s i n g c o n ti n u o u s H MMs J J o u r n al o f t h e A - c o u s t i c al S o c i e t y o f J a p an，1 9 9 7 ， 5 3 ( 1 2 ) ： 9 3 3 -9 4 0 1 1 Z h a n Y o n g z h a o ， C a o P e n g R e s e a r c h and i m p l e m e n t a ti o n o

38、 f e m o t i o n a l f e a t u r e e x t r a c ti o n and r e c o g ni ti o n i n s p e ech s i g n al J J o u r - h al o f J i ang s u U n i v e r s i t y( Na t u r a l S c i e n c e E d i ti o n )，2 0 0 5 ，2 6 ( 1 ) ： 7 2 - 7 5 1 2 Z h o u D i - w e i C o m p u t e r s p e e c h s i g n al p r o c

39、 e s s i n g M B e ij i n g ： Na tio n al De f e n s e I n d u s t r y P r e s s ， 1 9 8 7， 1 3 0 1 4 6 1 3 Y u L i n g l i ， C a i Z i x i n g ， C h e n Mi n g y i S t u d y o n e m o ti o n f e a t u re analy s i s a n d r e c o g n i ti o n i n s p e ech s i g n al： an Ov e r v i e w J J o u r n

40、al o f C i r c u i t s and S y s t e ms ， 2 0 0 7， 1 2 ( 4 )： 7 6 - 8 4 1 4 S hi Y in g ， H u X u e g a n g R e s e a r c h o f s p e e c h e m o ti o n r e c o g n i ti o n b a s e d o n a c o u s ti c f e a t u r e s a n d 跏 J C o m p u te r E n g i n e e r i n g and Ap p li cati o n s ， 2 0 0 8 ，

41、 4 4( 24 ) ： 1 9 1 1 9 3 1 5 Wa n g Z h i p i n g ， Z h a o L i ， Z o u C a i ron g E m o ti o n re c o g n i ti o n o f s p e e c h u s i n g f u z z y e n t r o p y e ff ecti v e n e s s ana l y s i s J J o u r n al o f C i r c u i ts and S y s t e ms ， 2 0 0 3 ， 8 ( 3 )： 1 0 9 1 1 2 附中文参考文献 ： 1 肖

42、 雄军， 蔡 白兴服务机器人的发展 J 自动化博览， 2 0 0 4 ( 6 )： 1 0 - 1 3 2 谷学静， 石志国， 王志良 基于 B D I A g e n t 技术的情感机器人语 音识别技术研究 J 计算 机应用研究 。 2 0 0 3， 2 0 ( 4 ) ： 2 4 - 2 6 6 陈建厦语音情感识别综述 c 第一届中国情感计算议， 北 京 ， 2 0 0 3 7 】赵力， 钱向民， 邹采荣 ， 等语音信号中的情感识别研究 J 软件学报 ， 2 0 0 1 ， 1 2 ( 7) ： 1 0 5 0 1 0 5 5 8 林奕琳， 韦岗， 杨康才语音情感识别的研究进展 J 电路与

43、 系统学报 ， 2 0 0 7 ， 1 2 ( 1 ) ：9 0 - 9 8 1 1 詹永照， 曹鹏 语音情感特征提取和识别的研究与实现 J 江苏大学学报( 自然科学版) ， 2 o o 5 ， 2 6 ( 1 ) ： 7 2 - 7 5 1 2 3周迪伟 计算机语音处理 M 北京： 国防工业出版社， 1 9 8 7 ， l 3 0 1 46 1 3 余伶俐， 蔡自兴， 陈明义 语音信号的情感特征分析与识别研究 综述 J 电路与系统学报 ， 2 0 0 7 ， 1 2 ( 4 ) ： 7 6 - 8 4 1 4 3石瑛， 胡学钢 基于神经网络的语音情感识别 J 计算机工 程 与应用 ， 2 0 0 8 ， 4 4( 2 4 )： 1 9 1 1 9 3 1 5 王治平， 赵力， 邹采荣 利用模糊熵进行参数有效性分析的语 音情感识别 J 电路与系统学报， 2 0 0 3 ， 8 ( 3 ) ： 1 0 9 1 1 2