[发明专利]基于HMM/SOFMNN混合模型的语音情感识别方法

权利要求书

1.一种基于HMM/SOFMNN混合模型的语音情感识别方法，其特征在于，该方法将HMM和SOFMNN模型相结合对语音情感进行识别，其具体包括以下步骤：

1)建立情感语音数据库；

2)进行语音信号预处理：包括预加重处理、去噪和分帧加窗；

3)语音情感特征提取：包括提取语音信号的时间、能量、振幅、基频和共振峰；

4)利用HMM/SOFMNN混合模型训练与识别。

2.根据权利要求1所述的一种基于HMM/SOFMNN混合模型的语音情感识别方法，其特征在于，所述的步骤1)建立情感语音数据库具体为，首先邀请实验者参加录音，其中包括高兴，伤心，生气，害怕，惊讶五类情感，组成录制情感语音数据库；然后从影视剪辑中选取典型的情感语音片段，其中包括高兴，伤心，生气，害怕和惊讶五类情感语料，组成剪辑情感语音数据库，最终将这两种情感语音数据库综合起来，完成情感语音数据库的建立。

3.根据权利要求1所述的一种基于HMM/SOFMNN混合模型的语音情感识别方法，其特征在于，所述的步骤2)进行语音信号预处理具体为，通过具有6db/oct梯度的高频增强型滤波器，利用Z变换，用一阶数字滤波器来对语音信号进行预加重处理，经过去噪以及分帧之后的语音信号为s(n)＝0，…，N-1，那么乘上窗长N＝23.22ms(256点)的汉明窗后就变成：s′(n)＝s(n)*w(n)

w(n)定义如下：w(n)=0.54-0.46*cos(2πnN-1),0≤n<N0,else.]]>

4.根据权利要求1所述的一种基于HMM/SOFMNN混合模型的语音情感识别方法，其特征在于，所述的步骤3)语音情感特征提取具体包括：

A)、时间参数：

提取短时过零率，即一帧语音中语音信号波形穿过横轴的次数；

提取语速，即应用基于频带方差的端点检测算法，检测有声帧与无声帧，以无声部分时间t与发音持续时间T的比值来计算出无声部分时间比率P＝t/T，从而衡量语音信号的语速；

B)、基音频率：包括平均基音频率、基频变化范围和基音频率的平均变化率；

采用窗长23.22ms(256点)，窗移10ms的汉明窗，截止频率为900Hz的低通滤波器，采用自相关分析法来对每一帧进行基音周期估计，然后对基频进行中值滤波和线性平滑处理，求出情感语音信号的平滑的基频轨迹曲线，分析不同情感信号基频轨迹的变化情况，找出不同情感的基频构造特征；

C)、能量参数：即短时平均能量；

首先求出语音信号各样本点值的平方，然后样本点通过滤波器输出由短时能量构成的时间序列，采用窗长N＝23.22ms(256点)的汉明窗，在满足对语音振幅瞬间变化的细节进行了有效平滑的前提下，保证了短时能量的明显变化；

D)、振幅参数：包括短时平均振幅和振幅平均变化率；

首先选择一帧语音，计算该帧语音取样值的绝对值的和，得到该帧语音的平均振幅，对整段语音的各个分帧分别计算平均振幅，便可以得到整段语音的短时平均振幅序列；

E)、共振峰参数：包括共振峰频率的平均值、共振峰频率的平均变化率和前三个共振峰频率；

首先用线性预测法求出预测系数，然后用预测系数估计出声道的频响曲线，再用峰值检出法计算出各共振峰的频率。