[发明专利]基于情感对特征优化的语音情感分类方法

说明书

技术领域

本发明涉及一种语音识别方法，特别涉及一种基于情感对特征优化的自动语音情感识别方法。

背景技术

语音情感识别是从语音信号中识别出说话人的情感状态。一般的语音情感分类器，可以在一定程度上区分喜悦、愤怒、惊讶、悲伤、恐惧等基本情感类别。建立一个语音情感分类器，首先需要确定待识别的情感类别，建立相应的情感语料库，然后根据情感语料库中的语音数据，寻找合适的语音情感特征，通常是依据基音、短时能量、共振峰等参数构造的声学特征，最后采用统计的方法建立语音情感模型。其中语音情感特征的优劣对分类器的性能具有关键的影响。

语音情感分类器的性能，一般包括以下几个方面，所识别的情感类别范围与识别率、适用的说话人群体、对文本内容的依赖程度以及跨语种性能等。其中，识别率是最常用的衡量分类器性能优劣的指标，通常，所能识别的情感类别越多，平均识别率就越低。

语音情感特征的优化是设计分类器的一个关键部分。目前，一般的做法是首先提取基本的声学参数，在基本声学参数的基础上构造大量的情感特征，然后通过特征选择算法得到维数较少的最佳特征组。

在语音情感的特征优化中存在的一个问题是，一般的语音情感分类器采用单一的一组最佳特征来进行全部情感类别的分类，使用这一组情感特征并不能达到对任意两个情感类别之间的最优区分。例如，选择一组特征最优的区分A、B、C、D、E五类语音情感，但是这一组特征往往不能使A与B之间的误识别率在最优化的意义上降到最低。

发明内容

本发明目的是针对现有技术存在的缺陷提供一种基于情感对特征优化的语音情感分类方法。

本发明为实现上述目的，采用如下技术方案：

本发明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；

(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：