[发明专利]一种基于模糊最近邻算法的语音情感识别方法

说明书

本发明提供一种基于模糊最近邻算法的语音情感识别方法，包括以下步骤：按照定义提取每一个样本的短时能量特征、基音频率特征、过零率特征和短时平均幅值特征，组成四维的特征向量；计算每一种情感特征对于区分不同情感的贡献度；以步骤1所述的方法提取测试样本的四个相同的特征，组成四维的特征向量；根据欧式距离和步骤2中所计算出来的贡献度加权，计算训练样本的特征向量和测试样本的特征向量间的距离；对距离排序，并确定k个最近邻的样本的情感，根据个数多少分类；对于步骤5中的k个情感样本，用FKNN方法进行再分类。本发明能够提高了语音情感识别的准确性。

技术领域

本发明涉及语音信号处理和模式识别的技术领域，特别是一种基于模糊最近邻算法的语音情感识别方法。

背景技术

随着信息技术的不断发展，社会发展对情感计算提出了更高的要求。例如在人机交互方面，一个拥有情感能力的计算机能够对人类情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并能有效减轻人们使用电脑的挫败感，甚至能帮助人们理解自己和他人的情感世界。例如采用此类技术探测驾驶司机的精力是否集中、感受到的压力水平等，并做出相应反应。此外，情感计算还能应用在机器人、智能玩具、游戏、电子商务等相关产业中，以构筑更加拟人化的风格和更加逼真的场景。情感也反映了人类的心理健康情况，情感计算的应用可以有效地帮助人们避免不良情绪，保持乐观健康的心理。传统的knn算法局限性很大，在获取k值时只能获取奇数，受到很大的限制。

公开号为CN106469560A的专利文件公开了一种基于无监督域适应的语音情感识别方法，提出的模型包括：特征提取，情感标签预测，域标签预测。特征提取：首先将原始输入数据分解成两块特征，情感判断特征和情感无关特征，然后将情感判断特征记性层次非线性转换得到高层情感特征。将高层情感特征用于情感标签和域标签的预测。利用梯度湘江发对整个模型的参数进行更新，得到特征提取层的各层权重，然后，进行特征提取，源域有标签样本通过训练好的特征提取层到高级情感特征。最后，进行分类器SVM的训练，将源域有标签样本的高层情感特征和相对应的情感标签输入到SVM中训练，训练好的SVM可用于目标域测试样本的分类。该方法虽然能够解决训练样本和测试样本数据分布不同的问题，但是运算复杂，极易出现错误，而且对于高兴和愤怒这两种情感的区分并不是很到位。

发明内容

为了解决上述的技术问题，本发明提出了一种基于深度学习的手势识别方法，分为训练阶段和识别阶段，在训练阶段，首先对训练样本的情感语音进行预处理操作，主要是对语音进行预加重、加窗、分帧等；然后提取语音情感特征参数，短时平均能量、基音频率、过零率和短时平均幅度。在识别阶段，测试语音通过预处理、特征提取和特征分析后，输入到FKNN分类器中进行识别判决。

本发明提供一种基于模糊最近邻算法的语音情感识别方法，包括以下步骤：

步骤1：按照定义提取每一个样本的短时能量特征、基音频率特征、过零率特征和短时平均幅值特征，组成四维的特征向量；

步骤2：计算每一种情感特征对于区分不同情感的贡献度；

步骤3：以步骤1所述的方法提取测试样本的四个相同的特征，组成四维的特征向量；

步骤4：根据欧式距离和步骤2中所计算出来的贡献度加权，计算训练样本的特征向量和测试样本的特征向量间的距离；

步骤5：对距离排序，并确定k个最近邻的样本的情感，根据个数多少分类；

步骤6：对于步骤5中的k个情感样本，用FKNN方法进行再分类。

优选的是，所述短时能量特征的定义如下：

其中，E_n表示在信号的第n个点开始加窗函数时的短时能量；x(n)是语音信号；ω(n)是窗函数；N为窗长。

在上述任一方案中优选的是，所述过零特征的定义如下：其中，sgn[.]是符号函数，即