2.3.2  预加重处理    8
2.3.3  分帧处理    9
2.3.4  加窗处理    9
2.4 短时能量    11
2.4.1  短时能量算法    11
2.4.2  能量特征与情感状态    12
2.5 短时过零率分析    13
2.6 语音信号的清浊音判断    14
2.7 本节总结    16
3语音信号的特征参数提取    17
3.1 基音频率    17
3.2 不同情感状态下语速    18
3.3 共振峰特征分析    19
3.4本章总结    19
4 计算机提取语言特征参数    20
4.1  Matlab中基音频率检测整体思想的实现    20
4.2 基音频率相关分析    23
4.3 通过praat和MATLAB提取主要振峰参数    25
4.3.1  praat软件提取共振峰    25
4.3.2  MATLAB提取第一阵峰参数    25
4.4 算法的可靠性分析    27
4.5 本章总结    33
5 全文总结和展望    34
5.1全文总结    34
5.2 展望    35
参考文献    37
1 绪论
1.1 选题的背景及意义
情感在我们人与人交往的过程中传递着信息，帮助我们识别，感知，作用不可替代。过去很长时间对于情感的研究只是在于心理学的探究，但是随着人工智能的发展，人类与机器的耿介深入接触及发展推动了机器方面的情感计算，及情感识别技术。在各种传达信息，表达情感的方式中，语言可以说是最具有效率的了。同样的一句话，如果说话者所处的情感状态不同，那么听者得到的信息就会有很大的差异，所以通过分析语音中反应信息的语音特征来判断认得感情状态是极具可行性的，这就奠定了语音识别技术诞生的基础。
大约在20世纪80年代中期，历史上出现了首个对于语音情感识别的相关研究，从此人们开始使用声学统计特征开展对语音情感分类的工作[1]。之后不久， 1985年professorMinsky提出了“让计算机具有情感能力”的观点，语音情感识别是人工智能领域中极为重要的一部分，这就让研究者们认识到了它的重要性及必要性，这样越来越多的科研机构开始研究和探索语音情感识别技术，便加速了这项技术的发展。
在现实生活中语音情感识别技术具有重大的实用意义，这个技术的发展将对在生活中的各个领域带去变革性的影响。情感识别技术除了让机器听懂人类讲话，做出反应，及人机交互，还能在人与人的对话中通过微小的特征差别判断出情绪，可应用于服务业并针对客户使用，使客服可以及时调整策略；还可用于智能教学，老师可以通过语音情感识别了解到同学对于自己的教学方式是否满意，并且及时作出调整，提高教学效率以及质量；同时情感识别还可用于犯罪心理检测，当在对犯罪嫌疑人进行审讯的同时，通过对其进行语音情感识别我们可以判断出嫌疑人语言的真实性，有利于案件的侦破；在神经医学方面，情感识别也将会发生重大影响，特别是精神分裂，抑郁症方面。由此可以看出，语音情感识别这项技术未来在医疗、安全、教育、社会服务方面有很大的发展前景。
我们可以大胆的预测在近十年之内，语音识别技术将得到更好的发展，其系统也将应用得更加广泛。市场上将会出现许多基于语音识别技术的新产品，很大幅度的服务于人类的生活的各个领域。成熟的语音识别技术也将成为未来新产品的核心技术，为能够适应多样化的语音需求，如何提高语音识别技术的可靠性也将成为语音识别领域人才的主要任务。但是短期内要发展出与人类相同水平的语音识别技术尚不可能，人们需要克服众多挑战与困难才能达到这一目标，所以我们必须一步一个脚印的踏实前进。我们的目的就是可以建立一个像人一样完善的语音识别系统，要达到这个目标有许多困难要克服，遇到的困难也是是很难预测的，但是根据目前语音识别技术的发展，目标很有可能实现的。。 MATLAB和PRAAT汉语普通话情感识别(2):http://www.youerw.com/tongxin/lunwen_19691.html