[发明专利]基于谱特征和ELM的语音情感识别方法

权利要求书

1.一种基于谱特征和ELM的语音情感识别方法，其特征是：

(1)对原始语音信号进行特征提取获得基本特征值，所述基本特征值包括韵律特征和音质特征；

(2)利用Teager能量算子算法在Mel标度频域提取梅尔频率倒谱系数MFCC和耳蜗滤波倒谱系数CFCC，得到teMFCC特征值和teCFCC特征值；

将语音信号通过一个高通滤波器，包括预加重、分帧、加窗函数，对每一帧信号进行FFT变换，计算功率谱，进行TEO变换；得到变换后的TEO系数；将每帧信号的TEO系数经过快速傅里叶变换FFT得到离散频谱，然后计算功率谱；将此功率谱通过MFCC滤波器组滤波，计算对数功率谱；将对数功率谱经过离散余弦变换DCT得到teMFCC特征值；

将语音信号通过耳蜗滤波器组实现听觉变换，计算功率谱；进行内毛细胞函数变换，将变换后的功率谱值进一步提取TEO系数；将变换得到的TEO系数进行非线性变换；进行DCT变换得到teCFCC特征值；

(3)对teMFCC特征值和teCFCC特征值加权得到teCMFCC特征值，并与基本特征值进行融合，构建特征矩阵；

(4)用Fisher准则和相关分析对特征进行选择降维，去除相关互联的冗余特征，提取具有表示情绪能力的情感特征；

(5)基于极限学习机-决策树模型进行语音情感识别分类决策任务，最终实现目标分类识别；

ELM的激活函数用的sigmoid函数S(x)＝1/1+e^-x，

实际输出和期望输出之间的误差为：ο_j表示网络输出层的实际值，t_j表示网络输出层的预期值；

基于二元决策树分层识别，基于一类情绪与其他类别情绪之间的混淆程度，两组之间的混淆程度为其中D_ij代表现有的情绪标记组，D_L1,L2表示两组之间混淆程度的平均值。

2.根据权利要求1所述的基于谱特征和ELM的语音情感识别方法，其特征是：所述韵律特征包括基频、短时平均能量、短时平均振幅、静音时间比、短时平均过零率、语速，所述音质特征包括共振峰频率、呼吸音、响度。

3.根据权利要求1所述的基于谱特征和ELM的语音情感识别方法，其特征是：在步骤(3)中，teCMFCC＝0.6×teMFCC+0.4×teCFCC。

4.根据权利要求3所述的基于谱特征和ELM的语音情感识别方法，其特征是：在步骤(4)中利用fisher准则对特征优劣进行排序，然后对其进行相关分析，设置门限值δ为0.78，剔除冗余特征。