[发明专利]一种语音情感识别方法、系统及计算机可读存储介质

权利要求书

1.一种语音情感识别方法方法，其特征在于，以边缘层为执行主体，所述方法包括：

接收语音数据；

提取所述语音数据中的语音特征，其中，所述语音特征包括所述语音数据中能够表示情绪的内容；

输入所述语音特征至预先训练完成的支持向量机模型中，获得情绪倾向的输出结果；其中，所述支持向量机模型在云层进行训练，训练完成后，所述云层派发所述支持向量机模型至所述边缘层。

2.根据权利要求1所述的一种语音情感识别方法方法，其特征在于，所述语音情感识别方法还包括：

基于错误的输出结果，发送对应的所述语音数据至所述云层，所述云层接收所述对应的所述语音数据后，更新所述支持向量机模型；其中，所述对应的所述语音数据已经预先添加正确情绪的标注。

3.根据权利要求2所述的一种语音情感识别方法方法，其特征在于，采用主成分分析算法提取所述语音数据中的语音特征。

4.根据权利要求3所述的一种语音情感识别方法方法，其特征在于，所述接收语音数据之后的步骤，包括：

对所述语音数据进行预处理；所述预处理包括合成、降噪、增益以及去除静音。

5.根据权利要求1所述的一种语音情感识别方法方法，其特征在于，所述语音情感识别方法还包括：

定期上传全部语音数据至所述云层；所述云层基于所述全部语音数据，训练所述支持向量机模型，并将训练完成的所述支持向量机模型派发至所述边缘层；

定期接收所述云层派发的新的所述支持向量机模型；

基于所述新的所述支持向量机模型，更新旧的所述支持向量机模型。

6.根据权利要求1-5任一所述的一种语音情感识别方法方法，其特征在于，所述支持向量机模型的核函数为二层神经网络函数K(x,y)=tanh(a(x·y)+b）。

7.根据权利要求5所述的一种语音情感识别方法方法，其特征在于，所述支持向量机模型的训练步骤 ，包括：

将历史语音数据输入至预先构建的支持向量机模型，获得输出向量；

判断输出向量中的元素与对应的预设的标签向量中的元素之间的误差的绝对值是否小于预设的误差阈值，若否，则基于该误差调整支持向量机模型的超参数；

在所述误差的绝对值小于所述误差阈值时，所述支持向量机模型训练完成。

8.一种语音情感识别系统，其特征在于，包括设备层（100）、边缘层（200）和云层（300）；

其中，所述设备层（100）包括：

麦克风阵列（110），用于采集用户的语音数据；

第一语音数据上传模块（120），用于上传所述语音数据；

所述边缘层（200）包括：

第一语音数据接收模块（210），用于接收所述语音数据；

语音特征提取模块（230），用于提取所述语音数据中的语音特征，其中，所述语音特征包括所述语音数据中能够表示情绪的内容；

情绪识别模块（240），内置有预先训练完成的支持向量机模型，用于将所述语音特征输入至所述支持向量机模型中，并获得情绪倾向的输出结果；

所述云层（300）包括：

训练模块（310），基于所述语音数据，训练预先构建的所述支持向量机模型；

派发模块（320），用于派发训练完成的所述支持向量机模型。

9.根据权利要求8所述的一种语音情感识别系统，其特征在于，所述边缘层（200）还包括：

第二语音数据上传模块（250），用于上传与错误的输出结果对应的所述语音数据，其中，对应的所述语音数据已经预先添加正确的情绪标注；

所述云层（300）还包括：

第二语音数据接收模块（330），用于接收所述对应的所述语音数据；

所述训练模块（310）基于所述对应的所述语音数据更新所述支持向量机模型。

10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1-7任一所述的语音情感识别方法的计算机程序。