基于Xilinx FIFO IP核的情感识别算法研究与实验

本文主要探讨了在Xilinx FPGA中使用FIFO IP核进行语音情感识别的实验与分析，聚焦于呼叫中心客服场景中的情绪检测。实验采用了一种实际应用的数据集，该数据集包含不同性别组合（女客服-女客户、女客服-男客户、男客服-男客户、男客服-女客户）的五种情绪状态（高兴、愤怒、惊奇、悲伤、正常），共计1000组对话，每种情绪各50组。实验过程包括特征选择，如12阶梅尔频率倒谱系数、短时能量、能量差分、均值等19维特征向量，以及情感识别模型的构建。 具体实验一使用支持向量机（SVM）算法，通过三种不同的核函数（线性、3次多项式、高斯核）来构建情感检测模型。在训练阶段，样本数据被标准化至[-1, +1]范围，并计算每个类别样本的中心点。算法执行步骤包括建立训练样本集、归一化属性值、计算类别中心，然后使用SVM进行模型训练。 实验的目的是提高客服语音的情绪识别率，以便自动监控通话质量，这是呼叫中心广泛应用的一项关键技术。文章还提到了研究的背景，强调了随着信息技术的进步，语音情感识别作为一项新兴领域，受到了语音信号处理、心理学和信息管理等多个学科的关注。 硕士研究生尹立民在导师王轩教授和副导师魏华高级工程师的指导下，针对呼叫中心客服的情感检测问题进行了深入研究，旨在开发出一种能够快速、精确识别客服语音情感的方法。通过结合实际应用需求，论文展示了在FPGA环境下，如何利用FIFO IP核有效处理和分析大量语音数据，以支持实时的客服情绪分析。这项研究不仅具有理论价值，也为实际呼叫中心运营提供了技术支持。