功能性副语音如笑声、哭声、叹息声等的研究在情感识别领域中越来越受到关注,开始被作为识别说话人情感重要的信息之一。然而在应用与研究中功能性副语音能否被自动检出是前提。针对这一需求,根据音频分割算法提出了基于定长分段的功能性副语音自动检测算法以及基于距离与贝叶斯的功能性副语音自动检测算法。并提出了结合静音帧语音分割点确认算法对分割点进一步确认,而且通过实验验证了该算法是有效的。通过实验对比两种检测算法的优劣,实验结果表明:基于定长分段自动检测算法较好,检测率达到70%,较基于距离与贝叶斯的检测算法高出5%。 语音自动检测中效果显著。该算法可以保证语音片段的完整度，在其后的D_M分类识别中，本文由张家港弯管机网站

转载中国知网整理!www.wangaunjimuju.net优化了样本片段的分类，从而有利于功能性副语音的自动检测。算法中，阈值T取40个采样点。图1使用结合静音帧语音分割点确认算法前后对比图F实验2功能性副语音自动检测算法性能随各个参数的变化情况(1)算法2实验与分析。段长SegLen与SegMov是影响基于分类的副语音自动检测算法性能的重要参数，SegLen参数影响D_M模型分类正确率，从而影响真实分割点检出率;SegMov参数则能确保类别之间的转换可以平滑过度。两参数的关系可以表述如下其中，Movrate范围为0－1，通过多次实验确定SegLen取100帧较为合理。图2和图3分别给出了Movrate参数对算法综合性能F、所用时间的影响情况。语音自动检测算法-数控滚圆机弯管机张家港液压弯管机电动液压弯管机滚圆机从图2可以看出在Movrate取0．1时，即段移为段长的90%时，综合性能达到最高。然而，从图3却可看出，时间消耗也将随之增加。综合考虑综合性能及时间效率两个重要指标，该算法可令Movrate=0．4。图2Movrate参数对综合性能的影响F(2)算法3实验与分析。首先给出算法3的相关参数配置:窗长为样点。在基于距离的过程中选取共振峰、能量、本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net过零率等统计特征69维特征，在第二趟确认过程中使用12MFCC系数、短时过零率、短时能量等14维特征。输入D_M检测模型的语音段，提取同D_M相同的61维特征。图3Movrate参数对时间变化的影响Fig．为两趟算法。第一趟检测分割点时，当窗长Win-dowLen过短时虚假分割点增多，当窗长而n为待测样本总数。假设m＜＜n，则m可以视为一个常数，即算法复杂度记为O(n);若m与n值接近，即分段数较多，则算法复杂度近似为O(n2);若m＞＞n，在实际操作中并不会出现这种情况，算法无意义。算法3根据文献［10］的介绍，其时间复杂度为O(n3)，因此劣于算法2。图4基于距离分割算法性能随WindowLen变化Fig．图5算法3的综合性能随模型参数的变化情况结束语要想将功能副语音在情感领域的研究进行推广应用，功能性副语音的自动检出是前提。为了实现自动检测，本文根据音频分割算法提出了两种具有代表性的功能性副语音自动检测算法(算法2和算法3)。为了提高检测精度，提出了结合静音帧语音分割点确认算法(算法1)。并通过实验验证了算法1的有效性，同时也对比分析了算法2和算法3的性能。算法2在时间效率、检测率和算法复杂度上均较算法3更为优越。但算法2也存在一定的不足:算法是基于模型的，要事先知道功能性副语音的类别，并且需要大量的训练样本，而算法3则不需要。本文接下来的工作:检测到功能性副语音后，可以将功能副语音从语音段中分离出来，实现功能性副语音类别的进一步确定，且可将其应用于辅助传统语音情感识别的研语音自动检测算法-数控滚圆机弯管机张家港液压弯管机电动液压弯管机滚圆机本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net