[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

技術領域

本發明涉及一種面向語音情感識別的語譜特征提取方法，屬于語音情感識別技術領域。

背景技術

隨著人機交互技術的發展需求，語音情感識別已成為關鍵技術之一。為了使人機交互系統和機器人的對話系統更加智能和完善，語音的情感分析變得越來越重要。此外，在一些長時間的、單調的、高強度的任務(如航天、航海等)中，相關人員常產生某些負面的情緒。有效的識別這些負面情緒，有助于提高個體認知和工作效率，防患于未然。面向兒童的早期情感分析，也逐漸成為語音情感識別的一個重要研究方向。因此，語音情感識別算法仍然具有重要的應用研究價值。

在語音情感識別的實用性研究方面，很多學者做了很多有益的嘗試，獲得不少有價值的成果。在提高算法魯棒性研究方面，有學者提出了一些抗噪性能較好的情感識別算法。在語音情感識別模型研究方面，許多基于不同方法的識別模型被提出，比如加權稀疏識別模型、說話人無關的識別模型、基于詞法語義的識別模型等等。鑒于特征參數的選取與構造對情感識別性能的影響較大，許多學者都對情感特征進行了細致的分析和研究，并提出多種語音情感特征的構造方式。上述研究雖然獲得了一定的研究成果，但是語音情感特征的選擇與構建仍然沒有定論，需要進一步的研究。

語音情感識別的常用特征大致可歸納為韻律學特征、譜特征和音質特征這?三種類型。目前這三類語音特征不是時域特征，就是頻域特征，缺少針對時頻特征對于語音情感識別影響的研究。語譜圖作為一種語音能量的時頻分布的可視化表達方式，本身就包含了一些語音特征，如能量，共振峰，基頻，音調等。因此國內外學者針對語譜圖進行了相關研究，突破目前語音信號處理的時頻特征的單一性。基于語譜的研究主要包括聲分類、聲音識別、聲音增強等，但是尚沒有基于語譜特征的語音情感識別的算法研究。

發明內容

為了解決上述技術問題，本發明提供了一種面向語音情感識別的語譜特征提取方法。

為了達到上述目的，本發明所采用的技術方案是：

一種面向語音情感識別的語譜特征提取方法，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。

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。

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。