胡婷婷，沈凌洁，冯亚琴，王 蔚

(南京师范大学 教育科学学院机器学习与认知实验室，江苏 南京 210097)

1 概 述

情感在人类认知与交流过程中具有重大作用。情感识别是人工智能领域的重要研究方向。语音是情感识别的一项重要通道，然而，在使用语音通道信息进行情感识别时，容易出现一些情感难以区分的情况，尤其是愤怒与开心之间难以区分的问题[1]。在使用文本通道信息进行情感识别时，有不同效果。因此，研究不同通道信息中包含的情感识别能力具有重要研究意义。

语音情感识别已经取得了一定的研究成果，但是在语音情感识别中一直存在愤怒与开心之间难以区分的问题。M Grimm和K Kroschel基于德语VAM数据集，采用单通道的声学特征进行情感识别，使用KNN(K-nearest-neighbors classification)方式对四类情感进行识别，在说话人无关实验中发现，愤怒与开心之间容易误判，中性和悲伤容易误判，愤怒识别准确率最高，开心识别率最低[2]。在基于多分类器集成的语音情感识别研究中，使用Berlin情感语言数据库中的语音数据，提取声学特征进行情感识别，愤怒和开心之间容易误判，悲伤识别准确率最高，开心识别准确率最低[3]。在基于决策树的多特征语音情感识别中，采用多种语音特征进行情感识别，对愤怒与开心容易误判，且对愤怒与害怕也易误判[4]。基于神经网络的语音情感识别研究发现，愤怒和悲伤是四种语音情感中最容易识别的两种表达方式，愤怒与开心之间容易误判[5]。在使用二次特征选择及核融合的语音情感识别中，对于愤怒与开心容易误判[6]。……