[发明专利]一种基于语音信号的情感识别方法、装置和计算机设备

说明书

本发明涉及一种基于语音信号的情感识别方法、装置和计算机设备，该方法包括：对语音输入信号进行预处理，得到由静态特征和一阶差分特征组成的混合的梅尔频率倒谱系数MFCC输入特征；将所述输入特征输入到经过语音情感训练的卷积神经网络模型中；使用所述经过语音情感训练的卷积神经网络模型作为分类器对所述输入特征进行分类，识别出与所述语音信号对应的情感。采用本发明的基于语音信号的情感识别方法，与其他基于语义、语音的情感识别方法相比，克服了识别准确率低的技术问题，可以区分不同的语音情感，且准确率令人满意；同时，根据实验结果可知，本方法具有较好的泛化能力。

技术领域

本发明涉及信号处理技术领域，尤其涉及一种基于语音信号的情感识别方法、装置和计算机设备。

背景技术

语音情感识别技术是新一代人机交互的重要技术，在驾驶员情绪监测、客户满意度测评以及心理诊断等诸多领域得到广泛应用。

针对语音情感识别问题，当前语音情感识别系统常用的分类器主要包括最近邻算法(KNN)、多层感知机(MLP)和支持向量机(SVM)等。但是传统KNN分类效率低而且KNN受数据集的影响大。除此之外，KNN也有K值难以选取，时间复杂度高、受样本平衡度的影响大等缺点。传统的SVM分类算法对大规模样本集的训练会导致系统资源占用率过高、分类速度下降等不足。MLP是一类浅层模型，受限于规模，模型的表达能力不强，无法逼近复杂的函数映射，同时受限于模型的结构，无法接受大量的特征输入，也难以应用大规模参数对特征进行拟合。由于现有分类器存在上述不足，无法满足用户的语音情感识别需求。

发明内容

为解决上述采用现有技术的分类器存在的受样本平衡度影响大、分类速度下降、难以应用大规模参数对特征进行拟合等不足的技术问题，本发明提供了一种基于语音信号的情感识别方法、装置和计算机设备。

第一方面，本发明提供了一种基于语音信号的情感识别方法，包括：

对语音输入信号进行预处理，得到由静态特征和一阶差分特征组成的混合的梅尔频率倒谱系数MFCC输入特征；

将所述输入特征输入到经过语音情感训练的卷积神经网络模型中；

使用所述经过语音情感训练的卷积神经网络模型作为分类器对所述输入特征进行分类，识别出与所述语音信号对应的情感。

本发明的有益效果是：由于采用静态特征和一阶差分特征作为输入特征，通过卷积神经网络进行分类，优势有三：其一，克服现有技术中当前大多数研究人员通过分析语义来判断说话人的情感，虽然取得了一定效果，但是从个人隐私角度看，此种方式暴露了说话人的个人信息，存在较大的安全隐患。本方法仅对语音信号进行分析，不对语义内容进行分析；其二，与其他基于语音的情感识别方法相比，克服了识别准确率低的技术问题，可以区分不同的语音情感；其三，根据实验结果可知，本方法具有较好的泛化能力。

进一步，所述语音信号通过截取一段语音信号的前1.5s语音信息获得。

采用上述进一步的方案的有益技术效果在于，对于一段小于5s的语音信号而言，语音信号的前1.5s中包含了最丰富的情感特征。通过选取前1.5s语音信号代替完整的语音信号作为输入语音信号，可以很好的提高分辨效率。

进一步，所述预处理包括：

通过一阶数字滤波器对所述语音信号进行预加重处理；

对预加重处理后的信号进行分帧处理；

对分帧处理后的信号进行加窗处理；

对加窗处理后的信号作快速傅里叶变换处理；

对快速傅里叶变换处理后的信号作梅尔Mel滤波处理；

对Mel滤波处理后的信号作离散余弦变换处理；