[發明專利]一種基于倒譜分離信號的非特定人語音情感識別方法

有效

• 申請號: 201711434048.3
• 申請日: 2017-12-26
• 公開（公告）號: CN108154879B
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 胡維平;郝梓嵐;王艷
• 申請（專利權）人: 廣西師范大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/26;G10L21/0272;G10L25/24
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 周雯

本發明公開了一種基于倒譜分離信號的非特定人語音情感識別方法，具體是：對情感語音庫進行預處理；對預處理后的情感語音庫提取傳統特征；對處理后的情感語音庫的語音信號進行倒譜域分離與重構；對重構后的語音信號進行特征提取，得到重構后的情感語音庫；將經過步驟S4后的重構后的情感語音庫分成訓練集和測試集，訓練集采用SVM分類器進行訓練后，將測試集輸入訓練后的訓練集中，進行語音識別后，輸出判決結果；該識別方法可以有效提高非特定人語音情感識別率。

技術領域

本發明涉及非特定人語音識別技術領域，具體是一種基于倒譜分離信號的非特定人語音情感識別方法。

背景技術

聲門與聲道信號都包含了豐富的情感信息，由于個人聲道的差異，通常聲道信息則更多的包含了個人特征，這對于我們非特定人的情感識別工作產生了很多的干擾。在之前的譜特征提取工作之中，我們是對語音信號的整體信號進行特征提取，這類特征攜帶了大量的說話人的個人信息。這種特征對于特定人的情感識別往往是有效的。但是對于非特定人的情感識別效果則不如特定人。

發明內容

本發明的目的在于克服現有技術的不足，而提供一種基于倒譜分離信號的非特定人語音情感識別方法，該方法保留聲帶信息并摒棄一部分的聲道信息，同時尋找最佳分離點，最后對處理后的信號提取特征，可以有效提高非特定人語音情感識別率。

實現本發明目的的技術方案是：

一種基于倒譜分離信號的非特定人語音情感識別方法，具體包括如下步驟：

S1.對情感語音庫進行預處理；

S2.對預處理后的情感語音庫提取傳統特征；

S3.對處理后的情感語音庫的語音信號進行倒譜域分離與重構；

S4.對重構后的語音信號進行特征提取，得到重構后的情感語音庫；

S5.將經過步驟S4后的重構后的情感語音庫分成訓練集和測試集，訓練集采用SVM分類器進行訓練后，將測試集輸入訓練后的分類器中，進行語音識別后，輸出判決結果；

經過上述步驟，完成非特定人語音的情感識別。

步驟S1中，所述的情感語音庫，含有7種情感，采用16Khz采樣率，8bit量化，對情感語音庫進行分幀加窗處理。

所述的7種情感包括中性、生氣、害怕、高興、悲傷、厭惡、無聊。

所述的分幀，取10--30ms內進行分幀。

所述的加窗，采用漢明窗。

步驟S2中，所述的提取傳統特征，是對分幀后的情感語音庫的語音進行傳統聲學特征的提取，采用256點幀長、幀移128點，提取的聲學特征包括：韻律特征參數提取、聲音質量特征提取、非線性特征提取、譜特征提取；

韻律特征參數提取，包括：基音頻率的均值、短時能量均值和過零率變化率；

聲音質量特征提取，包括：頻率微擾熵和振幅微擾熵；

非線性特征提取，包括：Hurst指數；

譜特征提取，包括：梅爾頻域倒譜系數(MFCC)、線性預測系數LPC和非線性梅爾頻域參數(NFD_Mel)；

所述的梅爾頻域倒譜系數(MFCC)，是提取12維MFCC特及其一階差分共24維，然后計算其平均值。

所述的線性預測系數LPC，是提取12維LPC，并計算其平均值；

所述的非線性梅爾頻域參數(NFD_Mel)，具體的計算步驟為：

S2-1.首先對S1分幀后的每幀信號做短時傅里葉變換，然后加入Teager能量算子，并取頻譜幅度做2次方得到能量譜；