- 文献综述（或调研报告）：
文献【1】：计算机对声音事件的自动识别是自动监视、机器听觉和听觉场景理解等新兴应用的一个重要方面。机器学习的最新进展以及人类听觉系统的计算模型，促成了这一日益流行的研究领域的进展。稳定的声音事件分类，即在真实嘈杂环境下识别声音的能力，是一项特别具有挑战性的任务。从语音识别领域翻译而来的分类方法，使用特性suchasmel frequencycepstral coefficients，在声音事件分类任务中表现相当出色，尽管据报道基于谱图或听觉图像分析技术在噪声方面取得了优异的性能。本文概述了声音均匀性。利用支持向量机和数据网络类服务器，将听觉图像前端功能与基于光谱图的前端功能进行比较的分类框架。性能是在不同级别的腐蚀噪声和不同系统性能下，根据标准的鲁棒分类任务进行评估的，并显示出比较非常低的噪声。掌握最先进的分类技术。
文献【2】：针对语音情感识别问题，本文定义了用于构建最优小波包基的Fisher比率准则函数，并 实现了Fisher比率准则下最优小波包基的构建。在此基础上，本文提取了一种语音情感新特征——小波包倒谱系数。采用支持向量机作为语音情感分类器，本文通过大量的对比实验验 证了小波包倒谱系数特征在语音情感识别中的有效性。其后，本文研究了小波包倒谱系数特 征与传统声学特征的融合，实验结果表明多特征融合进一步提高了语音情感识别的正确率。
文献【3】：语音识别技术就是让机器通过识别和理解过程 把人类的语音信号转变为相应的文本或命令的技术． 属于多维模式识别和智能计算机接口的范畴。其研究 目标是让计算机“听懂”人类口述的语言．这是人类自 计算机诞生以来梦寐以求的想法。随着计算机软硬件 和信息技术的飞速发展，这种想法更加明显．人们越 来越迫切要求摆脱键盘的束缚而代之以语音输入这 样便于使用的、自然的、人性化的输入方式。
文献【4】：信号的稀疏表示是一种采用较少特征基向量实现原始信号压缩表示的方法,它融合了认知神经学、心理生理学以及计算机科学等众多学科,是当前实现信号高效表示的典型方法。由于语音信号本质具有稀疏性的特点,加之其采集简单、易行,广大学者常以稀疏表示为研究手段进行语音信号的分析和处理,获取信号所包含的本质内部结构特征信息,并被广泛应用于压缩感知、特征识别、心理计算等研究领域。语音测谎是以语音信号为研究载体分析说谎心理状态的过程。说谎心理状态是一个渐变而又往复的动态过程,涉及心理情感、心理认知及心理意志的相互作用,因而是一个复杂的科学问题。
文献【5】：测谎对于防止电话诈骗、辅助案件侦查、情报部门辨别情报真假等有着重要的意义。测谎的技术手段有多种,包括基于脉搏、血压、皮电活动的测谎,基于面部微表情的测谎,基于语音的测谎,以及基于脑电波的测谎等。其中语音测谎是指,以语音信号分析为依据判断被测人是否说谎。由于语音信号获取的便捷性和非接触性,使得基于语音分析的测谎技术相比于其他技术而言,有着一定的优势。然而,目前基于语音的测谎研究仍处于起步阶段,面临的主要问题是:首先,缺少代表性的测谎语料库尤其在汉语领域。其次,传统的语音测谎技术大多是提取基础的语音时域、频域特征,将测谎问题建模成机器学习中的分类问题。然而人工设计的特征往往难以捕获语音信号中的一些复杂的信息。
针对以上问题,本文首先设计了汉语测谎语料库,然后构建了基于深度置信网络的语音测谎系统,主要工作如下:1.构建了汉语测谎语料库。目前仅有的少数测谎语料库几乎全部为英文的,无法满足语音测谎的深入研究。本文设计了详细的汉语测谎语料库构建方案,设置合适的物质奖励机制给受试者以说谎的动机,获得了充足的真话、谎话语料。并通过听辨实验验证了语料库的有效性和可靠性。2.构建了汉语语音测谎系统,提出了基于深度置信网络的测谎深度特征提取方法,并在常用分类器上验证得到高于基础特征的识别率。现有语音测谎的研究大多专注于单个语音特征对测谎的贡献或特征组合的测谎效果。但由于说谎过程的复杂多变性,基础特征的表现力有限。故为了深入挖掘说谎的内在表示,本文以基础特征作为深度置信网络的输入,逐层训练得到深度特征。在多个分类器上的实验结果表明,使用深度特征分类效果更好。3.利用TrAdaBoost实现跨性别语音测谎。男女生语音特征有明显的差异性,导致传统的语音测谎大多是在同一性别内进行的。本文首先进行了性别内测谎,然后用TrAdaBoost这一迁移学习技术进行了跨性别测谎,实验结果优于传统机器学习算法
文献【6】：本发明公开了一种基于深度递归型条件受限玻尔兹曼机的测谎方法，首先在连续语音段落中，利用条件受限玻尔兹曼机对时间序列具有良好的建模特性和简易的推理过程，对训练样本进行建模，得到说话人是否说谎的高阶统计信息；接着用该高阶统计信息和训练样本的标签对递归神经网络进行有监督的参数训练。在获得条件受限玻尔兹曼机和递归神经网络的初始化参数后，将这两个基本网络单元由下至上搭建而成；并在验证数据集上，基于最小二乘回归微调递归神经网络的参数；利用建立的网络，对说话人的语音信号特征进行测试。本发明能够自动得到测谎的结果，且具有相对较高的识别率，该方法对评测者的专业知识和技能要求不高，有较高的测试效率。
文献【7】：本发明公开了一种基于卷积双向短时记忆网络的语音测谎方法，包括讲整段语音进行统一归一化处理；根据数据库标签对统一归一化处理的语音进行切分；对切分的语音加窗分帧处理；建立边长数据的计算方式；将卷积操作引入长短时记忆网络中；构建完整的语音测谎网络模型；训练语音测谎网络模型，并加窗分帧处理后的语音进行测谎评测。本发明通过将卷积操作引入长短时记忆网络种，构建完整的语音测谎模型，实现深度学习，从原始语音数据中提取适用于谎言检测的特征，以提高测谎的性能，具有良好的应用前景。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
