基于SVM的愤怒语音情感识别开题报告

1. 研究目的与意义

随着数据处理技术的进步以及移动互联网的快速普及，计算机技术被广泛地运用到了社会的各个领域，随之而来的则是海量数据的产生。

其中，语音数据受到了人们越来越多的重视。

语音识别是一门交叉学科。

2. 课题关键问题和重难点

本设计将实现基于svm的愤怒语音情感识别关键问题：愤怒情绪语料对比库：目标是在连续对话语音中检测出愤怒情绪，采用的检测方法是模型匹配的方法，为了训练出良好的愤怒情绪模型，需要训练数据更加有代表性。

为了使模型更加具有代表性，在语料库中建立了对比子库。

对比子库分为同人不同情绪(说话人相同，但是表达的情绪不同)，同种情绪不同人(表达的情绪相同，但说话人不同)两个方面进行组建。

3. 国内外研究现状（文献综述）

基于svm的愤怒语音情感识别的发展现状以及趋势：随着信息技术的不断发展，情感信息处理及识别正在受到学者越来越广泛的重视。

语音信号中，除了与语言内容相关的信息之外，还包含着说话人的情感信息。

这些情感信息在交流中同样具有着重要的作用。

4. 研究方案

设计通过下述技术方案实现：基于svm的语音识别方法，包括以下步骤：s1：采集用户的语音样本；s2：对所有的语音样本进行多基频估计；s3：从多基频估计处理后的语音样本中过滤背景音形成纯净语音样本；s4：对纯净语音样本进行svm学习；s5：对所有的语音进行识别。

语音处理步骤：1.分帧语音数据和视频数据不同，本没有帧的概念，但是为了传输与存储，我们采集的音频数据都是一段一段的。

为了程序能够进行批量处理，会根据指定的长度（时间段或者采样数）进行分段，结构化为我们编程的数据结构，这就是分帧。

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。

第17周：与导师沟通进行课题总体规划。

第18-19周：导师下发的毕业设计（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，进行开题报告的撰写。