[發(fā)明專(zhuān)利]基于語(yǔ)義細(xì)胞的語(yǔ)音情感識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410402937.1
• 申請(qǐng)日: 2014-08-15
• 公開(kāi)（公告）號(hào): CN104200814B
• 公開(kāi)（公告）日: 2017-07-21
• 發(fā)明（設(shè)計(jì)）人: 孫凌云;何博偉;湯永川;李彥;鄭楷洪
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江大學(xué)
• 主分類(lèi)號(hào): G10L25/63
• 分類(lèi)號(hào): G10L25/63;G10L15/06
• 代理公司: 杭州天勤知識(shí)產(chǎn)權(quán)代理有限公司33224
• 代理人: 胡紅娟

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于語(yǔ)義細(xì)胞的語(yǔ)音情感識(shí)別方法。

背景技術(shù)

語(yǔ)音是用來(lái)表示語(yǔ)言的聲音符號(hào)，是人類(lèi)相互交流、傳遞情感的重要媒介之一。語(yǔ)音情感識(shí)別是情感計(jì)算領(lǐng)域的重要研究方向，其目標(biāo)是通過(guò)語(yǔ)音信號(hào)識(shí)別說(shuō)話(huà)者的情感狀態(tài)，最終實(shí)現(xiàn)自然、友好、生動(dòng)的人機(jī)交互。

語(yǔ)音情感識(shí)別技術(shù)可用于交互式教學(xué)、智能車(chē)載系統(tǒng)、智能家電等諸多領(lǐng)域，如Schuller等研發(fā)的在線(xiàn)電影和計(jì)算機(jī)教程應(yīng)用程序中，系統(tǒng)根據(jù)檢測(cè)到的情感信息對(duì)用戶(hù)做出響應(yīng)(Schuller B,Rigoll G,Lang M.Speech emotion recognition combining acoustic features and linguistic information in a hybrid support vector machine-belief network architecture.//Acoustics,Speech,and Signal Processing,2004.Proceedings.(ICASSP'04).IEEE International Conference on.IEEE.Montreal,Canada,2004:1:I-577-80vol.1.)；Jones等將語(yǔ)音情感識(shí)別技術(shù)用于車(chē)載系統(tǒng)，合成與駕駛?cè)饲楦衅ヅ涞奶崾菊Z(yǔ)音以增強(qiáng)駕駛體驗(yàn)(見(jiàn)：Jones C M,Jonsson M.Performance analysis of acoustic emotion recognition for in-car conversational interfaces//Universal Access in Human-Computer Interaction.Ambient Interaction.Springer.Heidelberg,Berlin,2007:411-420.)。

使用語(yǔ)音特征數(shù)據(jù)訓(xùn)練分類(lèi)器是目前語(yǔ)音情感識(shí)別系統(tǒng)的主要做法，如基于支持向量機(jī)(SVM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、隱馬爾可夫模型(HMM)、高斯混合模型(GMM)、k-近鄰(k-NN)、AdaBoost等。每種分類(lèi)器都有其優(yōu)缺點(diǎn)，如GMM分類(lèi)器訓(xùn)練時(shí)間少，但對(duì)模型初始化參數(shù)敏感；SVM分類(lèi)器需要相對(duì)較長(zhǎng)時(shí)間的訓(xùn)練，但對(duì)模型初始值不敏感。

此外，由于傳統(tǒng)k-NN算法需要存儲(chǔ)所有的特征數(shù)據(jù)，GMM算法需要存儲(chǔ)各維度各高斯分量的參數(shù)，SVM算法需要存儲(chǔ)用于分割超平面的支持向量，直接導(dǎo)致識(shí)別模型需要的存儲(chǔ)空間大。

發(fā)明內(nèi)容

本發(fā)明利用語(yǔ)義細(xì)胞認(rèn)知結(jié)構(gòu)上的優(yōu)勢(shì)，克服現(xiàn)有語(yǔ)音情感識(shí)別算法生成模型占用數(shù)據(jù)空間大的不足，且能保持與SVM算法相似的識(shí)別精準(zhǔn)度。

一種基于語(yǔ)義細(xì)胞的語(yǔ)音情感識(shí)別方法，包括：

(1)構(gòu)建語(yǔ)音庫(kù)，所述語(yǔ)音庫(kù)中包括若干個(gè)語(yǔ)音參照人的若干條不同情感的語(yǔ)音信號(hào)；

(2)針對(duì)語(yǔ)音庫(kù)中任意一條語(yǔ)音信號(hào)，進(jìn)行預(yù)處理將當(dāng)前語(yǔ)音信號(hào)劃分為若干幀，并對(duì)每一幀進(jìn)行情感特征提取，根據(jù)提取結(jié)果計(jì)算當(dāng)前語(yǔ)音信號(hào)的特征向量；

(3)根據(jù)所述的特征向量，利用基于語(yǔ)義細(xì)胞的混合模型訓(xùn)練得到分類(lèi)器的識(shí)別模型；

(4)利用所述的識(shí)別模型識(shí)別待識(shí)別語(yǔ)音信號(hào)所屬的情感類(lèi)別。

語(yǔ)義細(xì)胞(Information Cell)理論由湯永川和Lawry J.共同提出(Tang Y,Lawry J.Information Cell Mixture Models:The Cognitive Representations of Vague Concepts//Integrated Uncertainty Management and Applications.Heidelberg,Berlin:Springer,2010:371-382.)，其基礎(chǔ)是模糊計(jì)算和原型理論，主要思想是：概念并不由形式規(guī)則或映射來(lái)表示，而是由其原型來(lái)表示，概念范疇基于同原型的相似性來(lái)判定。語(yǔ)義細(xì)胞具有透明的認(rèn)知結(jié)構(gòu)，符合人類(lèi)學(xué)習(xí)概念的認(rèn)知過(guò)程，具有堅(jiān)實(shí)的認(rèn)知心理學(xué)基礎(chǔ)與嚴(yán)格的數(shù)學(xué)定義，具備描述模糊概念的先天優(yōu)勢(shì)。語(yǔ)音情感識(shí)別是模糊概念領(lǐng)域中的典型問(wèn)題，語(yǔ)音中的情感分類(lèi)(如憤怒、驚奇等)是一種模糊概念，難以憑借具體規(guī)則進(jìn)行界定。而通過(guò)原型表達(dá)概念的語(yǔ)義細(xì)胞因?yàn)槠洳灰蕾?lài)具體分類(lèi)規(guī)則的特點(diǎn)，適合于語(yǔ)音情感識(shí)別。因此，基于語(yǔ)義細(xì)胞的混合模型訓(xùn)練得到的分類(lèi)器能夠有效的提高分類(lèi)器的識(shí)別率。