[發(fā)明專利]一種基于模糊最近鄰算法的語音情感識(shí)別方法

有效

• 申請?zhí)枺?/td>: 201710577204.5
• 申請日: 2017-07-14
• 公開（公告）號(hào): CN107492384B
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 袁家政;劉宏哲;龔靈杰
• 申請（專利權(quán)）人: 北京聯(lián)合大學(xué)
• 主分類號(hào): G10L25/63
• 分類號(hào): G10L25/63;G10L25/33;G10L25/03
• 代理公司: 北京馳納智財(cái)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11367
• 代理人: 謝亮

本發(fā)明提供一種基于模糊最近鄰算法的語音情感識(shí)別方法，包括以下步驟：按照定義提取每一個(gè)樣本的短時(shí)能量特征、基音頻率特征、過零率特征和短時(shí)平均幅值特征，組成四維的特征向量；計(jì)算每一種情感特征對于區(qū)分不同情感的貢獻(xiàn)度；以步驟1所述的方法提取測試樣本的四個(gè)相同的特征，組成四維的特征向量；根據(jù)歐式距離和步驟2中所計(jì)算出來的貢獻(xiàn)度加權(quán)，計(jì)算訓(xùn)練樣本的特征向量和測試樣本的特征向量間的距離；對距離排序，并確定k個(gè)最近鄰的樣本的情感，根據(jù)個(gè)數(shù)多少分類；對于步驟5中的k個(gè)情感樣本，用FKNN方法進(jìn)行再分類。本發(fā)明能夠提高了語音情感識(shí)別的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及語音信號(hào)處理和模式識(shí)別的技術(shù)領(lǐng)域，特別是一種基于模糊最近鄰算法的語音情感識(shí)別方法。

背景技術(shù)

隨著信息技術(shù)的不斷發(fā)展，社會(huì)發(fā)展對情感計(jì)算提出了更高的要求。例如在人機(jī)交互方面，一個(gè)擁有情感能力的計(jì)算機(jī)能夠?qū)θ祟惽楦羞M(jìn)行獲取、分類、識(shí)別和響應(yīng)，進(jìn)而幫助使用者獲得高效而又親切的感覺，并能有效減輕人們使用電腦的挫敗感，甚至能幫助人們理解自己和他人的情感世界。例如采用此類技術(shù)探測駕駛司機(jī)的精力是否集中、感受到的壓力水平等，并做出相應(yīng)反應(yīng)。此外，情感計(jì)算還能應(yīng)用在機(jī)器人、智能玩具、游戲、電子商務(wù)等相關(guān)產(chǎn)業(yè)中，以構(gòu)筑更加擬人化的風(fēng)格和更加逼真的場景。情感也反映了人類的心理健康情況，情感計(jì)算的應(yīng)用可以有效地幫助人們避免不良情緒，保持樂觀健康的心理。傳統(tǒng)的knn算法局限性很大，在獲取k值時(shí)只能獲取奇數(shù)，受到很大的限制。

公開號(hào)為CN106469560A的專利文件公開了一種基于無監(jiān)督域適應(yīng)的語音情感識(shí)別方法，提出的模型包括：特征提取，情感標(biāo)簽預(yù)測，域標(biāo)簽預(yù)測。特征提取：首先將原始輸入數(shù)據(jù)分解成兩塊特征，情感判斷特征和情感無關(guān)特征，然后將情感判斷特征記性層次非線性轉(zhuǎn)換得到高層情感特征。將高層情感特征用于情感標(biāo)簽和域標(biāo)簽的預(yù)測。利用梯度湘江發(fā)對整個(gè)模型的參數(shù)進(jìn)行更新，得到特征提取層的各層權(quán)重，然后，進(jìn)行特征提取，源域有標(biāo)簽樣本通過訓(xùn)練好的特征提取層到高級(jí)情感特征。最后，進(jìn)行分類器SVM的訓(xùn)練，將源域有標(biāo)簽樣本的高層情感特征和相對應(yīng)的情感標(biāo)簽輸入到SVM中訓(xùn)練，訓(xùn)練好的SVM可用于目標(biāo)域測試樣本的分類。該方法雖然能夠解決訓(xùn)練樣本和測試樣本數(shù)據(jù)分布不同的問題，但是運(yùn)算復(fù)雜，極易出現(xiàn)錯(cuò)誤，而且對于高興和憤怒這兩種情感的區(qū)分并不是很到位。

發(fā)明內(nèi)容

為了解決上述的技術(shù)問題，本發(fā)明提出了一種基于深度學(xué)習(xí)的手勢識(shí)別方法，分為訓(xùn)練階段和識(shí)別階段，在訓(xùn)練階段，首先對訓(xùn)練樣本的情感語音進(jìn)行預(yù)處理操作，主要是對語音進(jìn)行預(yù)加重、加窗、分幀等；然后提取語音情感特征參數(shù)，短時(shí)平均能量、基音頻率、過零率和短時(shí)平均幅度。在識(shí)別階段，測試語音通過預(yù)處理、特征提取和特征分析后，輸入到FKNN分類器中進(jìn)行識(shí)別判決。

本發(fā)明提供一種基于模糊最近鄰算法的語音情感識(shí)別方法，包括以下步驟：

步驟1：按照定義提取每一個(gè)樣本的短時(shí)能量特征、基音頻率特征、過零率特征和短時(shí)平均幅值特征，組成四維的特征向量；

步驟2：計(jì)算每一種情感特征對于區(qū)分不同情感的貢獻(xiàn)度；

步驟3：以步驟1所述的方法提取測試樣本的四個(gè)相同的特征，組成四維的特征向量；

步驟4：根據(jù)歐式距離和步驟2中所計(jì)算出來的貢獻(xiàn)度加權(quán)，計(jì)算訓(xùn)練樣本的特征向量和測試樣本的特征向量間的距離；

步驟5：對距離排序，并確定k個(gè)最近鄰的樣本的情感，根據(jù)個(gè)數(shù)多少分類；

步驟6：對于步驟5中的k個(gè)情感樣本，用FKNN方法進(jìn)行再分類。

優(yōu)選的是，所述短時(shí)能量特征的定義如下：

其中，E_n表示在信號(hào)的第n個(gè)點(diǎn)開始加窗函數(shù)時(shí)的短時(shí)能量；x(n)是語音信號(hào)；ω(n)是窗函數(shù)；N為窗長。

在上述任一方案中優(yōu)選的是，所述過零特征的定義如下：其中，sgn[.]是符號(hào)函數(shù)，即