[发明专利]基于情感对特征优化的语音情感分类方法

权利要求书

1.一种基于情感对特征优化的语音情感分类方法，包括如下步骤：

(1)采集喜、怒、惊、悲，和平静五种基本情感状态的语音数据；

(2)语音情感特征提取；

(3)情感对的配对；

其特征在于还包括如下步骤：

(4)特征压缩与特征选择：

(4-1)线性判别分析(LDA)降维，分别通过每个情感对的类内、类间离散度矩阵来计算各自的投影变换向量；使用每个情感对各自的投影向量，分别进行各自的LDA变换；

(4-2)基于fisher判别准则的特征选择方法

Fisher判别准则如式(1)所示：

f(d)=(μ1d-μ2d)2σ1d2+σ2d2---(1)]]>

其中μ_1d、μ_2d为第d个维度两个类别的特征值的均值，为第d个维度两个类别的特征值的方差；

(5)基于两类分类器组的判决融合：

(5-1)记输入的情感语音数据，经过步骤(4)特征选择后构成待识别的样本矢量为X，一个两类分类器识别的情感为第i个情感与第j个情感，则通过GMM模型得到的GMM似然度为，P(X|λ_i)，P(X|λ_i)，其中λ_i，λ_j为两种情感的GMM模型的参数；

(5-2)两类分类器的判决输出C_i，j为：

Ci,j=iP(X|λi)≥P(X|λj)j,P(X|λi)≤P(X|λj)---(2)]]>

(5-3)每个两类分类器的置信度w_i，j，用式(3)来得到：

wi,j=2×|ln(P(X|λi))-ln(P(X|λj))ln(P(X|λi))+ln(P(X|λj))---(3)]]>

(5-4)用相关译码的方法来进行判决：即：

每个两类分类器的输出值构成列向量C，设定的情感码字记为矩阵I_m×n，m为分类器的个数，n为情感类别数。输出值与码字间的距离即为相关值r_i，i＝1，2，…n，通过式(4)得到，

R^T＝C^T·I_m×n         (4)

其中，R＝{r₁，r₂，…，r_n}，每个分量与一种情感对应。

最大的相关值对应的情感类别，即为识别结果，

i^*＝arg max{r_i}       (5)

i^*表示识别出的情感类别的标号。