[发明专利]基于语义细胞的语音情感识别方法

摘要

本发明公开了一种基于语义细胞的语音情感识别方法，包括构建语音库，对语音库中每一条语音信号，进行预处理和进行情感特征提取，根据提取结果计算每条语音信号的特征向量，利用特征向量训练得到基于语义细胞的混合模型作为分类器的识别模型，利用该识别模型识别待识别语音信号所属的情感类别。本发明的语音情感识别方法基于双层语义细胞的识别法，采用构建识别说话人、说话人情感的二层语义细胞的混合模型对对语音情感建立识别模型，利用该方法建立的识别模型进行语音情感识别时精准度高，且在保证与SVM算法相同识别准确度的前提下，仍然有效地降低存储识别模型所需的数据量，在空间复杂度及识别准确度上均具备优势。

主权项

一种基于语义细胞的语音情感识别方法，其特征在于，包括：(1)构建语音库，所述语音库中包括若干个语音参照人的若干条不同情感的语音信号；(2)针对语音库中任意一条语音信号，进行预处理将当前语音信号划分为若干帧，并对每一帧进行情感特征提取，根据提取结果计算当前语音信号的特征向量；(3)根据所述的特征向量，利用基于语义细胞的混合模型训练得到分类器的识别模型；(4)利用所述的识别模型识别待识别语音信号所属的情感类别；所述步骤(3)具体如下：针对语音库中的任意一个语音参照人，以当前语音参照人所有情感对应的简化特征向量为训练集，训练得到基于语义细胞的混合模型，并作为用于识别该语音参照人的识别模型；针对语音库中的任意一个语音参照人的任意一种情感，以当前语音参照人当前情感对应的所有简化特征向量为训练集，训练得到基于语义细胞的混合模型，并作为用于识别该语音参照人的相应情感的识别模型；所述步骤(4)中识别过程如下：(S1)通过步骤(2)得到待识别语音信号的特征向量，并利用降维变换矩阵对待识别语音信号的特征向量进行降维处理，得到相应的简化特征向量；(S2)针对各个语音参照人，根据用于识别当前语音参照人的识别模型，分别计算待识别语音信号对当前识别模型的隶属度；(S3)针对各个语音参照人的每一种情感，根据用于识别当前语音参照人的当前情感的识别模型，分别计算待识别语音信号对当前识别模型的隶属度；(S4)根据公式：vpe=μp×μpe]]>分别计算待识别语音对于各个语音参照人的每一种情感的综合隶属度，其中，为待识别语音对于第p个语音参考人的第e种情感的综合隶属度，μp为待识别语音对第p个语音参考人隶属度，为待识别语音对第p个语音参考人情感e的隶属度；(S5)将所有对于相同情感的综合隶属度相加得到待识别语音对于该情感的隶属度，并选择隶属度最大的情感作为待识别语音信号所属的情感类别；所述步骤(S1)和步骤(S2)中根据公式：计算待识别语音信号X对当前识别模型的隶属度，其中，Pr(Li)为第i个语义细胞Li对语义细胞混合模型贡献程度，为待识别语音信号所对应的简化特征向量与第i个语义细胞Li的隶属度值，根据如下公式计算：μLi(X)=∫d(X,Pi)+∞δ(ϵ|ci,σi)dϵ,]]>积分下限d(X,Pi)为X与第i个语义细胞的中心Pi的距离，ci,σi为当前识别模型中第i个语义细胞的位置参数和尺度参数；ε表示概念间距离，δ(ε|ci,σi)为位置参数、尺度参数分别为ci,σi的语义细胞Li的概率密度函数在概念距离ε上的概率密度值。