基于语音的言语置信度评测算法研究
发布时间：2023-07-25 05:42
人在说谎时,由于环境压力所引起的心理变化会导致生理参数的变化,如皮电、脑电、血压、声带系统等,通常这些参数只受植物神经制约而很难受意识控制。基于这些生理参数对说话人言语真实度进行评测的方法称为言语置信度评测,通俗而言即谎言检测。早期的言语置信度评测指标主要以多道生理参数为主。然而,该方法需要佩戴各种专业设备来检测生理参数的变化,要求测试对象的高度配合,因此很难在实际应用中推广。因此,近来有学者基于语音等非接触式的指标进行言语置信度评测的研究,然而此类方法还有很多问题有待深入研究:(1)声学特征参数对言语置信度的影响;(2)基于声学特征的有效言语置信度评测模型及算法研究。针对上述问题,本文从数据库建立、特征分析及模型建立方面进行研究,主要做了以下工作:1、鉴于目前缺少心理压力相关的谎言数据库,本课题设计了相关实验场景并录制了两种心理压力下的言语置信度语音数据库。在较低心理压力下,被测人员面临的场景是实验性的,且实验过程中的谎言不会对说谎者本身产生较大影响;在较高的心理压力下,被测人员对实验并不知情,所陈述的谎言对被试的现实利益有直接的较大影响。基于上述两种数据库,本文分析了在不同心理压力...
【文章页数】：114 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
缩写词
第1章 绪论
1.1 言语置信度评测的研究背景和意义
1.2 言语置信度研究进展
1.2.1 各类非语音测谎方法
1.2.1.1 多道生理指标
1.2.1.2 脑电波相关
1.2.1.3 眼动技术
1.2.1.4 其它指标
1.2.2 基于语音的言语置信度评测方法
1.2.2.1 谎言数据库
1.2.2.2 声学特征
1.2.2.3 识别算法与性能
1.3 言语置信度评测的挑战
1.4 本文的研究内容与章节安排
1.4.1 主要研究内容
1.4.2 章节安排
第2章 言语置信度的数据采集与声学特征分析
2.1 引言
2.2 数据采集
2.2.1 较低心理压力下的数据获取
2.2.2 较高心理压力下的数据获取
2.3 声学特征参数
2.3.1 语音分帧与加窗
2.3.2 基音频率
2.3.3 梅尔频率倒谱系数
2.3.4 线性预测系数
2.4 实验设置与分析
2.4.1 特征细腻度对言语置信度的影响
2.4.2 统计特征与动态特征的比较
2.5 本章小结
第3章 基于注意力门的言语置信度评测算法
3.1 引言
3.2 相关工作
3.2.1 传统长短时记忆网络
3.2.2 门控循环单元
3.2.3 高级长短时记忆网络
3.3 基于注意力门的记忆模型
3.3.1 自注意力门
3.3.2 加性注意力门
3.4 实验
3.4.1 言语置信度评测性能对比实验
3.4.2 计算复杂度对比实验
3.5 本章小结
第4章 深层谎言特征在时间与特征维度的加权算法
4.1 引言
4.2 特征的相关处理方法
4.2.1 局部注意力
4.2.2 静态统计特征
4.3 基于注意力加权的特征处理方法
4.3.1 时间维度加权
4.3.2 特征维度加权
4.4 实验
4.4.1 深层特征加权算法的有效性验证
4.4.2 注意力算法的融合
4.5 本章小结
第5章 基于伪说话人的言语置信度评测模型优化
5.1 引言
5.2 伪说话人标签
5.2.1 理想伪说话人标签的性质
5.2.2 基于聚类算法的标注
5.3 伪说话人信息的利用
5.3.1 以伪说话人为辅助输出信息的多任务学习
5.3.2 以伪说话人为输入开关选择的模型结构
5.4 实验
5.4.1 伪说话人数量的影响
5.4.2 与多任务学习算法的比较
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
博士期间的学术成果
本文编号：3837272
【文章页数】：114 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
缩写词
第1章 绪论
1.1 言语置信度评测的研究背景和意义
1.2 言语置信度研究进展
1.2.1 各类非语音测谎方法
1.2.1.1 多道生理指标
1.2.1.2 脑电波相关
1.2.1.3 眼动技术
1.2.1.4 其它指标
1.2.2 基于语音的言语置信度评测方法
1.2.2.1 谎言数据库
1.2.2.2 声学特征
1.2.2.3 识别算法与性能
1.3 言语置信度评测的挑战
1.4 本文的研究内容与章节安排
1.4.1 主要研究内容
1.4.2 章节安排
第2章 言语置信度的数据采集与声学特征分析
2.1 引言
2.2 数据采集
2.2.1 较低心理压力下的数据获取
2.2.2 较高心理压力下的数据获取
2.3 声学特征参数
2.3.1 语音分帧与加窗
2.3.2 基音频率
2.3.3 梅尔频率倒谱系数
2.3.4 线性预测系数
2.4 实验设置与分析
2.4.1 特征细腻度对言语置信度的影响
2.4.2 统计特征与动态特征的比较
2.5 本章小结
第3章 基于注意力门的言语置信度评测算法
3.1 引言
3.2 相关工作
3.2.1 传统长短时记忆网络
3.2.2 门控循环单元
3.2.3 高级长短时记忆网络
3.3 基于注意力门的记忆模型
3.3.1 自注意力门
3.3.2 加性注意力门
3.4 实验
3.4.1 言语置信度评测性能对比实验
3.4.2 计算复杂度对比实验
3.5 本章小结
第4章 深层谎言特征在时间与特征维度的加权算法
4.1 引言
4.2 特征的相关处理方法
4.2.1 局部注意力
4.2.2 静态统计特征
4.3 基于注意力加权的特征处理方法
4.3.1 时间维度加权
4.3.2 特征维度加权
4.4 实验
4.4.1 深层特征加权算法的有效性验证
4.4.2 注意力算法的融合
4.5 本章小结
第5章 基于伪说话人的言语置信度评测模型优化
5.1 引言
5.2 伪说话人标签
5.2.1 理想伪说话人标签的性质
5.2.2 基于聚类算法的标注
5.3 伪说话人信息的利用
5.3.1 以伪说话人为辅助输出信息的多任务学习
5.3.2 以伪说话人为输入开关选择的模型结构
5.4 实验
5.4.1 伪说话人数量的影响
5.4.2 与多任务学习算法的比较
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
博士期间的学术成果
本文编号：3837272
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3837272.html