[发明专利]一种基于改进二次判别式的语音情感识别方法

摘要

本发明公开了一种基于改进二次判别式的语音情感识别方法，利用本方法可以有效降低由于情感特征参数统计概率分布多样性所带来的误识别率。本发明首先对特征参数进行了一种指数变换，使得变换后参数分布近正态化，然后以变换后参数服从正态分布为前提，估计出原始特征概率分布函数，并取对数形式，从而得到一种改进的二次判别式。与已有的其他一些特征正态化变换比较，本发明所采用的指数变换可以更有效的正态化特征参数，并且采用改进二次判别式可以有效提高识别率。

主权项

1.一种基于改进二次判别式的语音情感识别方法，其步骤为：建立特征提取分析模块、改进二次判别模型、情感识别模块；特征提取分析模块包括两类参数的提取和分析：韵律参数和音质参数；首先对原始语音信号预加重、分帧，然后分别进行特征提取；(1)韵律参数提取(1-1)将原始语音信号经高通滤波器预处理，提取发音持续时间、语速参数；(1-2)分帧，加窗；(1-3)应用短时分析技术，分别提取各帧语句主要特征参数：基频轨迹、短时能量轨迹、浊音段清音段时间比；(1-4)提取部分韵律特征参数的衍生参数：短时能量最大值、最小值、均值和方差，短时能量抖动最大值、最小值、均值和方差，基频最大值、最小值、均值和方差，基频抖动的最大值、最小值、均值和方差；其中短时能量抖动的计算如下：Ei1=|Ei0-Ei-10|]]>i＝2，3，…，N    (式1)其中E_i⁰是第i帧短时能量，N为帧数；基频抖动的计算同(式1)；(2)音质特征参数提取：(2-1)提取声门波参数的最大值、最小值、均值和方差，包括：声门开启时间与整个声门周期比(OQ，open quotient)、声门开启过程时间与闭合过程时间比(SQ，speed quotient)、声门闭合时间与整个声门周期比(CQ，ClosedQuotient)、声门闭合过程时间与整个声门周期比(ClQ，Closing Quotient)、声门波歪斜度；(2-2)提取谐波噪声比最大值、最小值、均值、方差；(2-3)提取前三个共振峰最大值、最小值、均值、方差和带宽；(2-4)提取前三个共振峰抖动的最大值、最小值、均值、方差；共振峰抖动计算同(式1)；(3)特征降维(3-1)将(1)(2)中全部特征提取完毕后，组成特征矢量；(3-2)采用独立分量神经网络分析法对所有特征降维，神经网络权值向量更新公式：w_j[k+1]＝w_j[k]+η(y_j[k]x′[k]-y_j²[k]w_j[k])    (式2)x′[k]=x[k]-Σi=1j-1wi[k]yi[k]]]>(式3)这里选择可以保证90％以上信息的主分量个数为25；(4)改进二次判别式的建立(4-1)从情感语句库中选取高兴、生气、悲伤、恐惧、惊讶五类情感各N_i条语句作为训练样本，Σi=15Ni=N;]]>(4-2)对第i类第k条情感语句，抽取其特征参数构成一个特征参数矢量x_kⁱ＝(x_k1ⁱ，x_k2ⁱ，…，x_kmⁱ)^T，然后对其正态化变换得到y_kⁱ＝(y_k1ⁱ，y_k2ⁱ，…，y_kmⁱ)；ykji=exp(λjixkji)-1λjiλji≠0xkjiλji=0]]>(式4)(4-3)以y_kⁱ服从正态分布为前提，求得x_kⁱ的概率密度函数p(x_kⁱ|w_i)的对数形式；L(xki)=-12(yki-μ^yi)T(Σ^yi)-1(yki-μ^yi)-12ln|Σ^yi|+Σj=1mλ^jixkji]]>(式5)(4-4)求取p(x_kⁱ|w_i)中参数估计值；μ^yi=1NiΣk=1Niyki,]]>Σ^yi=1NiΣk=1Ni(yki-μ^yi)(yki-μ^iy)T]]>(式6)将y_kjⁱ在x‾kji=1NΣk=1Nxkji]]>处进行泰勒展开，并代入(式5)，并令∂L(xki)∂λji=0,]]>得到λ^ji=6m3ji3(m2ji)2-7m4ji,]]>mrji=1NΣk=1N(xkji-x‾kji)p,]]>r＝2，3，4    (式7)(4-5)根据(4-2)～(4-4)，根据男女性别分别建立五类情感的二次判别式；(5)情感识别：按照步骤(1)、(2)提取待识别语句的特征矢量，根据步骤(3)所提供的权值向量进行降维，得到降维后特征矢量x，按照性别输入到各个二次判别式中，选择具有最大输出值所对应的情感为待识别语句的情感。