[发明专利]一种基于局部惩罚随机谱回归的语音信号情感识别方法

摘要

本发明公开了一种基于局部惩罚随机谱回归的语音信号情感识别方法，对带有情感信息的语段信号样本进行副语言特征提取、数据映射、局部惩罚嵌入图设计和图分解、回归、分类器分类判决。其中在数据映射阶段，使用了随机生成点进行非线性特征映射；在局部惩罚嵌入图设计和图分解阶段，使用了局部惩罚嵌入图，以加大对类间边缘样本对之间的惩罚权重，生成训练样本的虚拟坐标。与现有方法相比，本发明的方法在语音信号情感识别方面，能够有效地提升系统的识别性能。

主权项

一种基于局部惩罚随机谱回归的语音信号情感识别方法，其特征在于：建立语音情感数据库，语音情感数据库包括若干语段样本，将语音情感数据库中的若干语段样本采用说话人独立的方式，划分为训练样本集和测试样本集，即训练样本集中样本对应的说话人不出现在测试样本集对应的说话人中，测试样本集中样本对应的说话人也不出现在训练样本集对应的说话人中；每个样本都拥有情感类别标签，所述情感类别标签包括愉悦、生气、悲伤，假设训练样本集中每个样本对应的情感类别标签为已知且唯一，该方法包括顺序执行以下步骤：步骤一、提取生成N维原始特征：对训练样本集和测试样本集中的每个语段样本，分别经过处理，提取出对应的副语言特征，作为原始特征，并对原始特征做规整化处理，得到N个训练样本对应的规整化特征X＝[x1，x2，...，xN]；步骤二、对原始特征进行数据映射处理：依0‑1间的均匀分布，随机生成多组和原始特征维数相同的NA个随机向量对每个样本，使用这些随机向量，生成N个训练样本经过数据映射K得到的NA维新特征其中Ω的每列对应一个训练样本的数据映射新特征；步骤三、谱图学习处理：使用训练样本的情感类别标签以及训练样本经过规整化的原始特征，构建以各训练样本为结点的图结构，并进行谱图学习分解得到N个训练样本的d维虚拟坐标步骤四、回归处理：结合谱图学习生成的虚拟坐标，和样本经过数据映射得到的新特征，进行线性回归运算，投影得到训练样本，线性投影系数为步骤五、训练分类器：选用1NN分类器，直接使用步骤四中得到的与步骤二得到的Ω相乘，得到训练样本的投影特征，组成1NN分类器；步骤六、测试：对于每个测试样本，使用经步骤五得到的分类器对每个测试样本进行测试。