[发明专利]一种基于振幅和相位信息的语音情感识别方法

摘要

本发明公开了一种基于振幅和相位信息的语音情感识别方法，包括以下步骤：步骤一，输入数据准备：选择情感识别数据库，并对数据进行分段处理；步骤二，提取振幅和相位信息；步骤三，构建卷积神经网络，从振幅和相位的融合信息中提取深度特征；步骤四，构建长短时记忆网络，完成情感分类；最后，输出情感分类结果。本发明的语音情感识方法和现有技术相比，考虑到了语音的相位信息，有效利用相位和振幅信息的互补性，选用CNN自动从振幅和相位信息中同时提取深度情感相关特征，大大的提高了特征的丰富性，获得更好语音情感识别效果。

主权项

1.一种基于振幅和相位信息的语音情感识别方法，其特征在于,包括以下步骤：步骤一，输入数据准备：对语音情感数据库中的语音信号进行数据准备，把每一句语音信号切分成固定长度的段；步骤二，数据预处理：1)振幅信息提取：通过分帧、加窗、短时傅里叶变换得到振幅谱尺寸为b×a，为了方便卷积操作，进行旋转操作，时间轴变为纵向，尺寸变为a×b，用V1表示振幅矩阵；2)相位信息提取：提取每一段语音对应的相位信息包含相对相位和MGDCC两种信息，用V2表示相位矩阵；3)将1)提取的振幅信息V1和2)提取的相位信息V2融合在一起，组成一个大的信息矩阵V，第i句话的第t段语音的融合如公式(1)：其中，代表第i句话的第t段的振幅信息，第i句话的第t段的相位信息；步骤三，深度特征提取：把每一段语音信号对应的振幅和相位融合矩阵V输入到CNN中自动提取特征,深度特征维度为n；步骤四，决策：采用BLSTM做最后的决策，一句话的所有段级别的特征输入到BLSTM中，然后BLSTM会根据所有段计算出代表一句话的特征，最后输入到softmax分类器中完成句子的情感分类，分别为高兴、生气、害怕、悲伤、厌恶、无聊、中性七种情感。