[发明专利]一种基于特征融合与集成学习的语音情感分类方法

说明书

本发明公开了一种基于特征融合与集成学习的语音情感分类方法，包括以下步骤：采集若干语音数据，并对语音数据进行预处理；对预处理后的数据进行特征提取，并构建特征集；采用多分类器构建集成学习分类模型，并对集成学习分类模型进行训练；采用训练后的集成学习分类模型对待识别语音数据对应特征集进行识别，获取分类结果，得到语音情感分类结果。本发明能够有效地通过语音数据对说话人的语音情感进行预测和分类。

技术领域

本发明属于深度学习领域，具体涉及一种基于特征融合与集成学习的语音情感分类方法。

背景技术

随着计算机技术的快速发展，计算机已经成为人们生活不可缺少的一部分。目前的人机交互领域不再局限于键盘和屏幕，已经扩展到语音交互，例如百度的“小杜”、微软的“小冰”、苹果的“siri”等。然而现有的语音交互是比较“冰冷”的，是缺乏“情感”的，用户体验不好。从说话人的语音数据中挖掘出情感信息，是近年来语音信号领域研究的热门方向，对提高人机交互水平有着重要的意义，具有非常重要的研究价值和应用价值。

目前对于语音情感分类研究的技术方案和技术缺陷如下：

(1)基于传统的声学特征和分类模型，通过构建传统的声学特征集，然后使用分类模型进行训练和分类。这种方法的重心在于对声学特征集的构建，然构建的声学特征集比较庞杂，且主观性较强，耗时大，此外分类模型比较单一，总体识别准确率较低。

(2)基于深度学习的语音情感分类方法，该方法首先对语音数据进行预处理，然后提取出声谱图，接下来使用图像分类的方法来是实现情感数据的分类。这种方法的重心在于对模型的构建，然基于深度学习的分类算法繁多，分类表现也参差不齐，单一分类的方法无法区分典型样本，且一般提取的声谱图是语谱图或者Mel谱图，比较单一，总体识别准确率较低。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于特征融合与集成学习的语音情感分类方法解决了现有技术中存在的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于特征融合与集成学习的语音情感分类方法，包括以下步骤：

S1、采集若干语音数据，并对语音数据进行预处理；

S2、对预处理后的数据进行特征提取，并构建特征集；

S3、采用多分类器构建集成学习分类模型，并对集成学习分类模型进行训练；

S4、采用训练后的集成学习分类模型对待识别语音数据对应特征集进行识别，获取分类结果，得到语音情感分类结果。

进一步地，所述步骤S1中对语音数据进行预处理具体包括预加重、消除趋势项、端点处理、分帧处理以及加窗处理。

进一步地，所述步骤S2具体为：

S2.1、对预处理后的数据进行特征提取，得到若干特征；

S2.2、将若干特征组成若干维的特征向量；

S2.3、基于已训练的LightGBM模型，获取特征向量中每个特征的重要性，并按重要性将特征进行降序排序；

S2.3、获取特征重要度平均值，并将重要性低于平均值的特征滤除；

S2.4、采用序列前向算法选择最优特征子集，完成特征集的构建。

进一步地，所述步骤S2.1中特征包括特征1至特征809；

所述特征1-8具体为：短时能量及其一阶差分的均值、方差、最大值以及最小值；

特征9-14具体为：声音强度及其一阶差分的均值、方差以及最大值；

特征15具体为：平均语速；