[發明專利]一種嵌入式語音情感識別方法及裝置

有效

• 申請號: 201110358672.6
• 申請日: 2011-11-11
• 公開（公告）號: CN102737629A
• 公開（公告）日: 2012-10-17
• 發明（設計）人: 黃永明;章國寶;董飛;祖暉;劉海彬;倪道宏
• 申請（專利權）人: 東南大學
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/06
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 湯志武

技術領域

本發明專利涉及一種語音情感識別技術，尤其涉及一種嵌入式語音情感識別方法及裝置，屬于語音情感識別技術領域。

背景技術

自動語音情感識別技術屬于IT行業比較邊緣的技術。語音作為人與人之間的交流媒介，攜帶著豐富的情感信息。情感在人類的感知、決策等過程扮演著重要角色，在人類交流中具有重要作用。隨著科技的發展，人機交流在人們的日常生活中也越來越重要。利用語音進行自然、和諧的人機交互是人們一直以來的奮斗目標。語音情感識別是和諧人機交互的一個重要內容，它將有效地改變過去呆板的人機交互服務，提高人機交互的親切性和準確性。語音情感識別作為語音識別的一種補充，能夠增強人與機器的情感交互，在遠程教學、輔助測謊、自動遠程電話服務中心以及臨床醫學，智能玩具，智能手機等方面有著廣闊的應用前景。

嵌入式語音情感識別技術，特指在電腦以外的獨立裝置上運行的情感識別技術，尤其是應用于語音玩具、智能寵物及其它嵌入式產品上的技術。傳統的語音產品要求用戶以近乎中性的方式發出語音命令，帶強烈情感色彩的語音反而會影響語音識別效果，有時候這種苛刻而且不夠人性化的條件會打消用戶的積極性，這是現在語音產品的一大缺陷。將情感融入到語音產品中去，可以在語音產品的使用上給予用戶更大的自由度，提升用戶體驗，這也是智能交互語音產品發展的一大方向。以智能交互語音玩具為例，如果智能交互玩具能夠識別用戶語音中的情感，對語音中不同的情感做出不同的回應，可以從一定程度上改善了電子玩具不夠人性化的缺點，增強玩具使用的親和性、趣味性。推而廣之，嵌入式語音情感識別技術可以實現人與機器更好的交流與互動。顯然，這種需求在當前的社會上是存在的，但是目前還未見國內市場上推出帶情感識別功能的嵌入式產品，不能不說是一大遺憾。

發明內容

本發明解決的問題是：為克服傳統語音情感識別在非特定人時識別率不高的缺陷，同時為解決市面上缺乏具有良好人機交互功能的語音情感識別裝置的問題，結合以上背景和需求，本發明提供一種嵌入式語音情感識別方法及其裝置，這種系統能夠在小型嵌入式設備中識別說話人的平靜、高興、生氣、害怕、平靜等情感，根據說話人語音攜帶的不同情感采取不同的操作。

本發明的技術解決方案是：

1、一種嵌入式語音情感識別方法，包括以下步驟：

步驟1：接收待識別的情感語音片斷輸入；

步驟2：對待識別的情感語音片斷數字化以提供數字語音信號；

步驟3：對待識別的情感數字語音信號X(n)進行預處理，包括預加重、分幀、加窗、端點檢測：

步驟3.1：對待識別的情感數字語音信號X(n)按下面進行預加重：

X(n)‾=X(n)-αX(n-1)---(1)]]>

式中α＝0.9375，n表示待識別的情感數字語音離散點序號；

步驟3.2：采用交疊分段的方法進行分幀，前一幀與后一幀之間有交疊的部分，稱為幀移，此處幀移取7ms，即在11.025kHz采樣率下取80個點，每一幀長取23ms，即取256個點；

步驟3.3：選擇漢明窗對語音信號進行加窗處理，窗口函數如下：

式中n′表示每一幀數字語音離散點序號，N表示每一幀數字語音離散點點數，此處N＝256；

步驟3.4：采用公知的能量過零率雙門限判決法來完成端點檢測，即依據環境噪聲的能量和過零率都低于語音信號的短時能量和短時過零率的原則，首先用短時能量作第一級判別，然后在此基礎上再用短時過零率作第二級判別，計算出短時能量上限、下限和過零率門限的值，然后對每幀數據進行判斷，端點檢測后得到每一幀數字語音X(n′)；

步驟4：對經過預處理的數字語音提取語音特征參數，該特征參數為12維美爾頻率倒譜系數；