[发明专利]一种基于多重分形和信息融合的语音情感识别方法

说明书

技术领域

本发明涉及一种语音信号非线性特征抽取及基于非线性特征的语音情感识别方法，尤其涉及一种基于多重分形和信息融合的语音情感识别方法。本发明属于信息技术领域。

背景技术

语音信号中的情感是判别人类情感的重要依据之一，语音信号中包含了大量的非语义信息和按照发音规则产生的语义信息，通常在语义信息和非语义信息中分别包含着语言信息和说话人的情感因素，传统的语音识别仅限于语音语义传达的准确性，忽视了语音信号中的情感信息，并且语音的情感信息特征在传统的语音信号处理技术中通常被当作差异噪声和模式变动而处理掉，实际上利用语音信号中的情感信息来提高人们之间信息交流和传递的效果，是非常有研究意义的。

语音情感识别技术主要涉及两个方面的内容：一是语音信号预处理和特征提取，二是语音情感信号识别模型建立。一般来说，语音信号预处理为对原始语音信号经高通滤波器预处理，并且经过分帧和加窗，从而过滤掉原始信号中的噪音。

语音信号情感特征可以分为基于语言学特征信息和基于声学参数的特征信息，其中基于声学参数的特征信息包括基音周期、短时能量、短时过零率、LPCC、MFCC、共振峰、MEL子带能量等，通过这些声学特征的原始值、均值、差分值、最大值、最小值、方差等可以抽取出多个可用于情感识别的特征信号。但是语音信号的产生是一个复杂的非平稳、非线性过程，其中存在着混沌机制，传统的声学特征缺乏描述语音信号混沌特征的能力。

语音信号的建模方法包括线性建模方法和非线性建模方法，其中线性建模方法包括K近邻法、主元分析法等，非线性建模方法包括隐马尔科夫方法(HMM)，支持向量机方法(SVM)，神经网络方法等，目前语音识别的主要问题在于，语音能够抽取的特征信号较多，并且可以采用多种方法，各种信号组合和各种方法都各有利弊，虽然采用多种不同的信号组合和不同的方法都可以进行识别，但是普遍存识别准确率较低等问题。

发明内容

本发明的目的就是针对上述介绍的各种信号提取方法和建模方法存在的利弊，提供一种基于多重分形和信息融合的语音情感识别方法，通过建立一个综合的高效率的语音情感识别模型识别语音情感信息。

本发明利用分形作为描述混沌特征的重要手段，引入多重分形谱、广义hurst指数等多个语音信号非线性特征，通过这些特征的最大值、最小值、均值，上四分位值、下四分位值、中值、方差可以抽取出多个用于情感识别的非线性特征信号。

本发明的技术方案为：

一种基于多重分形和信息融合的语音情感识别方法，其步骤为：

1)从语音库中提取语音样本数据，建立一语音样本训练集合和一语音样本测试集合；

2)利用所选非线性特征从所述语音样本训练集合中提取用于语音情感识别的非线性特征值；其中，所述非线性特征包括：语音信号多重分形谱，语音信号广义hurst指数；

3)对所述语音样本训练集合进行预处理，然后将所述非线性特征值作为各弱分类器的输入，对每一弱分类器进行训练；

4)将训练后的各弱分类器集成为一强分类器，然后利用所述语音样本测试集合中语音样本信号对该强分类器进行测试；

5)利用测试后的该强分类器对新语音信号进行分类，识别出语音信号对应的情感类别。

进一步的，所述非线性特征值包括：语音信号多重分形谱的最大值、最小值、均值、上四分位值、下四分位值、中值、方差，语音信号广义hurst指数的最大值、最小值、均值、上四分位值、下四分位值、中值、方差。

进一步的，采用多重分型理论及消除趋势分析法提取所述非线性特征值。

进一步的，获取所述非线性特征值的方法为：

41)对语音训练样本集合中的每一语音训练样本构造一语音信号累加序列；