[发明专利]一种基于短时分析的异常情绪自动检测和提取方法和系统

权利要求书

1.一种基于短时分析的异常情绪自动检测和提取方法，其特征在于，包括以下步骤：

(1)提取待测语音信号中情绪特征序列；

(2)计算所述情绪特征序列与预设的情绪模型中异常情绪模型的似然度，计算所述情绪特征序列与预设的情绪模型中非异常情绪模型的似然度；

(3)根据所述情绪特征序列与异常情绪模型的似然度，以及所述情绪特征序列与非异常情绪模型的似然度，计算似然比；

(4)判断所述似然度是否大于设定的阈值，如是，则确定所述待测语音信号为异常情绪语音，否则确定所述待测语音信号为非异常语音信号。

2.根据权利要求1所述的一种基于短时分析的异常情绪自动检测和提取方法，其特征在于：所述步骤(1)包括以下步骤：

1)从待测语音数据中按时间顺序逐帧提取语音信号帧O_i；

2)对提取的语音信号帧O_i通过短时分析得到d维短时动态特征矢量x_i，将连续的语音信号表征为短时的情绪特征序列X，X＝{x₁，x₂，...，x_i，...，x_T}，其中：x_i为d维矢量，T为该情绪特征序列的总帧数。

3.根据权利要求1所述的一种基于短时分析的异常情绪自动检测和提取方法，其特征在于：所述步骤(1)中，在提取待测语音信号的情绪特征序列前对原始语音信号进行降噪预处理和/或对提取的情绪特征序列通过特征变换算法提高特征的区分性。

4.根据权利要求1所述的一种基于短时分析的异常情绪自动检测和提取方法，其特征在于：所述步骤(2)中，情绪模型的构建包括以下步骤：

1)构建通用背景模型；

2)利用人工标注的异常情绪数据自适应构建异常情绪模型，利用人工标注的非异常情绪数据自适应构建非异常情绪模型。

5.根据权利要求4所述的一种基于短时分析的异常情绪自动检测和提取方法，其特征在于：所述步骤1)中构建通用背景模型包括以下步骤：

a、采集包括异常情绪和非异常情绪的各种语音数据；

b、提取各种语音数据中的短时动态特征，生成对应的短时特征序列，存入训练数据缓冲区；

c、构建通用背景模型拓扑结构；

d、利用步骤(c)的短时特征序列集合训练背景模型，获得模型参数。

6.根据权利要求4所述的一种基于短时分析的异常情绪自动检测和提取方法，其特征在于：所述步骤2)构建异常情绪模型或非异常情绪模型包括以下步骤：

a、采集人工标注的异常情绪语音数据或非异常情绪的语音数据；

b、提取步骤(a)语音数据的短时动态特征，生成对应的短时特征序列，并存入自适应数据缓冲区；

c、设置异常情绪模型或非异常情绪模型的初始模型为通用背景情绪副本；

d、利用步骤(b)中自适应数据缓冲区中短时特征序列的集合自适应训练异常情绪模型或非异常情绪模型，获得更新后的模型参数。