Αναγνώριση Συναισθήματος Μέσω Της Φωνής

Abstract

Στα πλαίσια της διπλωματικής αυτής, μελετάμε χαρακτηριστικά της ανθρώπινης φωνής που μπορούν να διακρίνουν τη συναισθηματική κατάσταση του ομιλητή. Αρχίζουμε από κλασσικά χαρακτηριστικά, όπως το pitch και τα formants και συνεχίζουμε με AM-FM χαρακτηριστικά διαμόρφωσης, όπως η Teager ενέργεια, το στιγμιαίο πλάτος και η στιγμιαία συχνότητα. Στα μεγέθη αυτά υπολογίζονται οι στατιστικές ροπές και οι παράγωγοί τους και εφαρμόζονται μέθοδοι ομαλοποίησης για την εξαγωγή χρήσιμης πληροφορίας συναισθήματος. Τέλος, δοκιμάζουμε την ταξινόμηση προτάσεων που έχουν εκφραστεί με διάφορα συναισθήματα, όπως θυμός, χαρά, λύπη, φόβος, απαρέσκεια και πλήξη με K-means, GMMs και αναδιαμορφούμενα GMMs.