[發明專利]一種面向語音情感識別的語譜特征提取方法

在審

• 申請號: 201510020519.0
• 申請日: 2015-01-16
• 公開（公告）號: CN104637497A
• 公開（公告）日: 2015-05-20
• 發明（設計）人: 梁瑞宇;馮月芹;唐閨臣;王青云;花濤;包永強;陳姝;顧保府
• 申請（專利權）人: 南京工程學院
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/03
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種面向語音情感識別的語譜特征提取方法，其特征在于：包括以下步驟，

步驟一，對語音信號分幀，并進行快速傅里葉變換得到對應的語譜圖；

步驟二，對語譜圖進行分解

將圖像與線性分解高斯核進行卷積運算，在不同的尺度上進行不同通道的分解，得到多通道多尺度的分解圖像；所述通道包括顏色通道、亮度通道和方向通道；

步驟三，對分解圖像進行中央周邊差運算并歸一化，得到每幅分解圖的特征圖；

步驟四，提取每幅特征圖的特征矩陣

將特征圖分成m行n列，共m×n個子區域，用每個子區域的均值替代該子區域，將特征圖歸一化為m×n的特征矩陣；

步驟五，特征矩陣降維并重構

將每幅特征圖對應的特征矩陣重塑為1×mn的特征向量，并由這些特征向量構成特征向量矩陣，通過對特征向量做主成分分析并保留其99％的主元，得到主特征向量矩陣。

2.根據權利要求1所述的一種面向語音情感識別的語譜特征提取方法，其特征在于：同一通道不同尺度上的分解圖像之間的關系為P(σ)＝P(σ-1)/2，其中，P(σ)表示尺度σ上的分解圖像，P(1)表示原圖像。

3.根據權利要求1所述的一種面向語音情感識別的語譜特征提取方法，其?特征在于：顏色通道分解，圖像被分解成兩組分解圖像，分別為P_R-G(σ)和P_B-Y(σ)，

P_R-G(σ)＝(r-g)/max(r,g,b)

P_B-Y(σ)＝(b-min(r,g))/max(r,g,b)

其中，P_R-G(σ)和P_B-Y(σ)分別表示R-G和B-Y顏色對在尺度σ上的分解圖像，r、g、b分別表示一幅彩色圖像中紅、綠、藍分量值，min(·)表示取最小值，max(·)表示取最大值；

亮度通道分解，分解圖像為P_I(σ)，P_I(σ)＝(r+g+b)/3，表示在尺度σ上的亮度通道分解圖像用r、g和b分量的平均值表示，I代表亮度通道；

方向通道分解，分解圖像通過二維Gabor方向濾波器來提取，將濾波器與相應尺度的圖像進行卷積得到方向通道上的分解圖像P_θ(σ)，

P_θ(σ)＝|P_I(σ)×G₀(θ)|+|P_I(σ)×G_π/2(θ)|

其中，G₀(θ)和G_π/2(θ)為Gabor方向濾波器，其中0和π/2代表相位,θ代表角度。

4.根據權利要求3所述的一種面向語音情感識別的語譜特征提取方法，其特征在于：得到每幅分解圖的特征圖的過程為，將中央尺度與周邊尺度的分解圖進行跨尺度點對點相減，然后歸一化得到特征圖FP_i，

FP_i＝N(|P_e(σ_c)-P_e(σ_s)|),i∈[1,l]

其中，e∈{R-G,B-Y,I,θ}，σ_c表示中央尺度，σ_s表?示周邊尺度，σ_s＝σ_c+d，P_e(σ_c)表示在尺度σ_c上的e所代表通道的分解圖像，P_e(σ_s)表示在尺度σ_s上的e所代表通道的分解圖像，d代表中央尺度和周邊尺度的差值，N代表歸一化操作，l為特征圖的個數，l等于e的長度乘以σ_c的長度，再乘以σ_s的長度。

5.根據權利要求4所述的一種面向語音情感識別的語譜特征提取方法，其特征在于：所述θ＝{0°,45°,90°,135°}，σ_c＝{2,3}，d＝{2}。