[发明专利]利用特征结合对语音情感进行识别的方法及其装置

权利要求书

1.一种利用特征结合对语音情感进行识别的方法，其基于高斯混合模型结合美尔频率倒谱系数和自相关函数系数，对语音情感进行识别；其特征在于：该方法包括以下步骤：

一、构建和学习高斯混合模型，高斯混合模型满足公式（1）：p(x→|λ)=Σi=1Mωibi(x→)---(1)]]>；其中，是D维随机向量；ω_i,i=1……M是混合权重；是单一高斯密度的组合密度，满足公式（2）：bi(x→)=1(2π)D/2|Σi|1/2exp{-12(x→-μi→)′Σi-1(x→-μi→)}---(2)]]>；其中，是平均值；Σ_i是协方差矩阵；λ是对参数平均值、协方差矩阵以及权重的总体表达形式，满足公式（3）：λ={ωi,μi→,Σi}i=1,......,M---(3)]]>；

二、选择和提取语音特征：

a)美尔频率倒谱系数的提取过程：

1.预加重（pre-emphasis）：将经采样后的数字语音信号s(n)通过一个高通滤波器，经过预加重后的信号为s'(n)=s(n)-a×s(n-1)，进行预加重的目的是为了消除声带和嘴唇的效应，来补偿语音信号的高频部分；

2.分帧（frame blocking）：取10-20ms为一帧，取帧长的一半作为帧移，每次位移一帧的二分之一后再取下一帧；

3.计算短时能量（energy）：短时能量代表音量的高低，亦即声音振幅的大小，根据此能量的值来过滤掉语音信号中的噪声而形成静音段（silence）；

4.加窗（hamming window）：将每一帧代入窗函数，窗外的值设定为0，其目的是消除各个帧两端可能会造成的信号不连续；

5.快速福利叶变换（FFT transform）：将加窗后的帧经过FFT（Fast Fourier Transform）求出每帧的频谱参数；

6.三角带通滤波器（triangular band-pass filter）：将每帧的频谱参数通过一组N个三角形带通滤波器所组成的美尔刻度滤波器，将每个频带的输出取对数，求出每一个输出的对数能量（log energy），k=1,2…N；再将此N个参数进行余弦变换（cosine transform）求出L阶的Mel-scale cepstrum参数；

b)自相关函数（ACF）的提取过程：

定义自相关函数满足公式（3）为：P(k)=limN→∞12N+1Σ-∞∞x(m)x(m+k)---(3)]]>；其中，P(k)表示将语音信号延迟后与语音信号本身的相似性，k是自相关的延迟时间；

三、将美尔频率倒谱系数和自相关函数系数相互结合，组成特征矩阵，在高斯混合模型的基础上对柏林语料库的语音进行情感识别。