[發明專利]基于似然概率模糊熵的緊張狀態下語音情緒自動識別方法

在審

• 申請號: 201610024270.5
• 申請日: 2016-01-14
• 公開（公告）號: CN105719664A
• 公開（公告）日: 2016-06-29
• 發明（設計）人: 周鋒;孫冬生;王如剛;周六英
• 申請（專利權）人: 鹽城工學院
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/27;G10L15/01;G10L15/02;G10L15/18
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 陳靜

1.一種基于似然概率模糊熵的緊張狀態下語音情緒自動識別方法，其特征在于，包括如下步驟：

(1)建立語音數據庫，所述語音數據庫包括緊張、喜悅和平靜的語音數據；

(2)從語音數據庫中提取語音情感特征，所述語音情感特征包括韻律情感特征和音質情感特征；

(3)采用fisher準則對語音情感特征進行特征評價，選擇識別特征；

(4)依據識別特征利用似然概率模糊熵判斷待識別樣本的情感類別，并在模糊熵超過閾值時拒判。

2.根據權利要求1所述的基于似然概率模糊熵的緊張狀態下語音情緒自動識別方法，其特征在于，所述步驟(1)具體包括如下子步驟：

(1-1)被試對象分別錄制緊張、喜悅和平靜的語音片段；

(1-2)篩選出緊張、喜悅和平靜的語音數據。

3.根據權利要求1所述的基于似然概率模糊熵的緊張狀態下語音情緒自動識別方法，其特征在于，步驟(2)中所述的韻律情感特征包括：短時能量的均值、最大值、最小值、中值、方差；短時能量差分的均值、最大值、最小值、中值、方差；基音的均值、最大值、最小值、中值、方差；基音一階差分的均值、最大值、最小值、中值、方差；基音二階差分的均值、最大值、最小值、中值、方差；基音范圍；發音幀數、不發音幀數、不發音幀數和發音幀數之比、發音幀數和總幀數之比、發音區域數、不發音區域數、發音區域數和不發音區域數之比、發音區域數和總區域數之比、最長發音區域數、最長不發音區域數。

4.根據權利要求1所述的基于似然概率模糊熵的緊張狀態下語音情緒自動識別方法，其特征在于，步驟(2)中所述的音質情感特征包括：第一共振峰的均值、最大值、最小值、中值、方差；第二共振峰的均值、最大值、最小值、中值、方差；第三共振峰的均值、最大值、最小值、中值、方差；第一共振峰一階差分的均值、最大值、最小值、中值、方差；第二共振峰一階差分的均值、最大值、最小值、中值、方差；第三共振峰一階差分的均值、最大值、最小值、中值、方差；250Hz以下譜能量百分比、650Hz以下譜能量百分比、4kHz以上譜能量百分比；諧波噪聲比(HNR)的均值、最大值、最小值、中值、方差。

5.根據權利要求1所述的基于似然概率模糊熵的緊張狀態下語音情緒自動識別方法，其特征在于，步驟(3)中所述的fisher準則對第d個維度具體表示為

f(d)=1Cm2Σ0<i<j<m(μid-μjd)2σid2+σjd2]]>

其中μ為語音情感特征的特征值的均值，σ為語音情感特征的特征值的標準差，m為語音情感特征的類別的總數。

6.根據權利要求1所述的基于似然概率模糊熵的緊張狀態下語音情緒自動識別方法，其特征在于，所述步驟(4)具體包括如下子步驟：

(4-1)采用GMM對緊張、喜悅和平靜三種情感進行建模，每種情感對應一個GMM模型，得到每種情感的p(x_i|λ_j)，通過最大后驗概率準則判決；x_i表示第i條語句樣本，λ_j表示情感類別，最大后驗概率可以表示為：

p(λj|xi)=p(xi|λj)P(λj)P(xi)]]>

待識別的樣本判決為：

j*=arg maxjp(xi|λj)]]>

其中，j^*表示樣本所屬的類別；

(4-2)分別用緊張、喜悅和平靜的GMM似然概率密度值代表待識別樣本與緊張、喜悅和平靜情感類別的符合程度；當模糊熵超過閾值Th時則發生拒判：

1CΣj=1Carctan(p(xi|λj)/10)(ln(π/2)-ln arctan(p(xi|λj)/10))>Th]]>

其中，C為情感類別數。