[发明专利]用于自语音中识别情感的方法与装置

权利要求书

1.一种用于自语音中识别情感的方法，所述方法包括：

接收音频信号；

对所接收的音频信号进行数据清理；

将所清理的音频信号分割成至少一段；

对所述至少一段执行特征提取以自所述至少一段中提取若干梅尔频率倒谱系数和若干巴克频率倒谱系数；

执行特征填充以基于特征矩阵的长度门限将所述若干梅尔频率倒谱系数和若干巴克频率倒谱系数填充至所述特征矩阵；以及

对所述特征矩阵执行机器学习推断以识别在所述音频信号中所指示的情感。

2.根据权利要求1所述的方法，其中所述对所接收的音频信号执行数据清理进一步包含以下步骤中的至少一者：

移除所述音频信号中的噪音；

基于沉默门限移除所述音频信号在开头和结尾处的沉默；以及

移除所述音频信号中较预定义门限短的声音碎片。

3.根据权利要求2所述的方法，其中所述沉默门限为-50db。

4.根据权利要求2所述的方法，其中所述预定义门限为1/4秒。

5.根据权利要求1所述的方法，其中所述对所接收的音频信号执行数据清理进一步包括对所接收的音频信号执行带通滤波以控制所述音频信号的频率为100-400kHz。

6.根据权利要求1所述的方法，其中所述对所述至少一段执行特征提取进一步包括自所述音频信号中提取发言者性别、响度、均一化频谱包络、功率谱分析、感性半宽度、情感方块及音调系数中的至少一者。

7.根据权利要求1所述的方法，其中用于自所述至少一段中的每一者中提取梅尔频率倒谱系数和巴克频率倒谱系数的窗口的尺寸在10-500ms之间。

8.根据权利要求1所述的方法,其中所述长度门限不小于1秒。

9.根据权利要求1所述的方法,其中所述执行特征填充进一步包含：

确定所述特征矩阵的长度是否达到所述长度门限；

当所述特征矩阵的长度没有达到所述长度门限时，计算达到所述长度门限所需增加至所述特征矩阵的数据量；以及

基于所计算的数据量，填充自后续段中提取的特征至所述特征矩阵中以扩展所述特征矩阵。

10.根据权利要求1所述的方法,其中所述执行特征填充进一步包含：

确定所述特征矩阵的长度是否达到所述长度门限；

当所述特征矩阵的长度没有达到所述长度门限时，计算达到所述长度门限所需增加至所述特征矩阵的数据量；以及

基于所计算的数据量，复制所述特征矩阵中的有效特征以扩展所述特征矩阵。

11.根据权利要求9或10所述的方法,其进一步包含当所述特征矩阵的长度达到所述长度门限时跳出所述执行特征填充。

12.根据权利要求1所述的方法，其中所述对所述特征矩阵执行机器学习推断进一步包含均一化和缩放所述特征矩阵。

13.根据权利要求1所述的方法,其中所述对所述特征矩阵执行机器学习推断进一步包含将所述特征矩阵馈送至机器学习模型。

14.根据权利要求13所述的方法，其中所述机器学习模型是神经网络。

15.根据权利要求1所述的方法，其进一步包含训练机器学习模型以执行所述机器学习推断。

16.根据权利要求15所述的方法，其中所述训练机器学习模型包含:

优化若干模型超参数；

自所优化的模型超参数中选择一组模型超参数；以及

使用所选择的该组模型超参数测量所述机器学习模型的性能。