[发明专利]一种面向语音情感识别的语谱特征提取方法

说明书

技术领域

本发明涉及一种面向语音情感识别的语谱特征提取方法，属于语音情感识别技术领域。

背景技术

随着人机交互技术的发展需求，语音情感识别已成为关键技术之一。为了使人机交互系统和机器人的对话系统更加智能和完善，语音的情感分析变得越来越重要。此外，在一些长时间的、单调的、高强度的任务(如航天、航海等)中，相关人员常产生某些负面的情绪。有效的识别这些负面情绪，有助于提高个体认知和工作效率，防患于未然。面向儿童的早期情感分析，也逐渐成为语音情感识别的一个重要研究方向。因此，语音情感识别算法仍然具有重要的应用研究价值。

在语音情感识别的实用性研究方面，很多学者做了很多有益的尝试，获得不少有价值的成果。在提高算法鲁棒性研究方面，有学者提出了一些抗噪性能较好的情感识别算法。在语音情感识别模型研究方面，许多基于不同方法的识别模型被提出，比如加权稀疏识别模型、说话人无关的识别模型、基于词法语义的识别模型等等。鉴于特征参数的选取与构造对情感识别性能的影响较大，许多学者都对情感特征进行了细致的分析和研究，并提出多种语音情感特征的构造方式。上述研究虽然获得了一定的研究成果，但是语音情感特征的选择与构建仍然没有定论，需要进一步的研究。

语音情感识别的常用特征大致可归纳为韵律学特征、谱特征和音质特征这 三种类型。目前这三类语音特征不是时域特征，就是频域特征，缺少针对时频特征对于语音情感识别影响的研究。语谱图作为一种语音能量的时频分布的可视化表达方式，本身就包含了一些语音特征，如能量，共振峰，基频，音调等。因此国内外学者针对语谱图进行了相关研究，突破目前语音信号处理的时频特征的单一性。基于语谱的研究主要包括声分类、声音识别、声音增强等，但是尚没有基于语谱特征的语音情感识别的算法研究。

发明内容

为了解决上述技术问题，本发明提供了一种面向语音情感识别的语谱特征提取方法。

为了达到上述目的，本发明所采用的技术方案是：

一种面向语音情感识别的语谱特征提取方法，包括以下步骤，

步骤一，对语音信号分帧，并进行快速傅里叶变换得到对应的语谱图；

步骤二，对语谱图进行分解

将图像与线性分解高斯核进行卷积运算，在不同的尺度上进行不同通道的分解，得到多通道多尺度的分解图像；所述通道包括颜色通道、亮度通道和方向通道；

步骤三，对分解图像进行中央周边差运算并归一化，得到每幅分解图的特征图；

步骤四，提取每幅特征图的特征矩阵

将特征图分成m行n列，共m×n个子区域，用每个子区域的均值替代该子区域，将特征图归一化为m×n的特征矩阵；

步骤五，特征矩阵降维并重构

将每幅特征图对应的特征矩阵重塑为1×mn的特征向量，并由这些特征向量构成特征向量矩阵，通过对特征向量做主成分分析并保留其99％的主元，得到主特征向量矩阵。

同一通道不同尺度上的分解图像之间的关系为P(σ)＝P(σ-1)/2，其中，P(σ)表示尺度σ上的分解图像，P(1)表示原图像。

颜色通道分解，图像被分解成两组分解图像，分别为P_R-G(σ)和P_B-Y(σ)，

P_R-G(σ)＝(r-g)/max(r,g,b)

P_B-Y(σ)＝(b-min(r,g))/max(r,g,b)

其中，P_R-G(σ)和P_B-Y(σ)分别表示R-G和B-Y颜色对在尺度σ上的分解图像，r、g、b分别表示一幅彩色图像中红、绿、蓝分量值，min(·)表示取最小值，max(·)表示取最大值；

亮度通道分解，分解图像为P_I(σ)，P_I(σ)＝(r+g+b)/3，表示在尺度σ上的亮度通道分解图像用r、g和b分量的平均值表示，I代表亮度通道；

方向通道分解，分解图像通过二维Gabor方向滤波器来提取，将滤波器与相应尺度的图像进行卷积得到方向通道上的分解图像P_θ(σ)，

P_θ(σ)＝|P_I(σ)×G₀(θ)|+|P_I(σ)×G_π/2(θ)|

其中，G₀(θ)和G_π/2(θ)为Gabor方向滤波器，其中0和π/2代表相位,θ代表角度。