[发明专利]基于隐式对齐子空间学习的跨库语音情感识别方法及装置

权利要求书

1.一种基于隐式对齐子空间学习的跨库语音情感识别方法，其特征在于该方法包括：

(1)获取两个语音情感数据库，分别作为训练数据库和测试数据库，其中，训练数据库中包含有若干语音样本和对应的情感类别标签，测试数据库中包含若干语音样本；

(2)对训练数据库和测试数据库中的每个语音样本提取语音特征；

(3)建立联合分布隐式对齐子空间学习模型：

其中U是待学习得到的语料不变投影矩阵，W表示重构系数矩阵，W⁽ⁱ⁾表示第i个情感类别的重构系数矩阵，i表示情感类别序号，f₁(U)表示与情感识别能力相关的简单组稀疏线性回归损失，μ表示控制两项之间平衡的权衡参数，f₂(U,W,W⁽ⁱ⁾)表示语料库的不变性能力函数；

(4)根据语音样本的语音特征对所述学习模型进行学习，得到语料不变投影矩阵U的最优值

(5)对于待识别语音，按照步骤(2)得到语音特征，并采用学习到的得到对应的情感类别。

2.根据权利要求1所述的基于隐式对齐子空间学习的跨库语音情感识别方法，其特征在于：所述联合分布隐式对齐子空间学习模型中的f₁(U)的函数具体为：

式中,λ是权衡参数，表示训练数据库语音样本的语音特征形成的特征矩阵，表示训练数据库第k个语音样本的语音特征，d是描述语音信号的声学特征向量的维数，n_s为训练数据库中语音样本的数量，是X^s对应的标签形成的标签矩阵，c表示跨语料库情感识别中涉及的情感总数，L^s的每一列是一个独热编码向量，用l＝[l₁,…,l_c]表示，如果该列对应的语音样本属于第i个情感，则第i个表项l_i的值设为1，其余项均设为0；

f₂(U,W,W⁽ⁱ⁾)的函数具体为：

式中，表示测试数据库语音样本的语音特征形成的特征矩阵，表示测试数据库第j个语音样本的语音特征，n_t为测试数据库语音样本数量，τ为权衡参数，为第j个测试样本对应的重构系数向量；表示X^s中属于第i个情感类别的语音特征组成的特征向量，表示X^s中属于第i个情感类别的语音特征数量，且表示X^t中属于第i个情感类别的语音特征组成的特征向量，表示X^t中属于第i个情感类别的语音特征数量，且

3.根据权利要求2所述的基于隐式对齐子空间学习的跨库语音情感识别方法，其特征在于：步骤(4)具体包括：

(4-1)对语料不变投影矩阵U进行初始化；

(4-2)基于语料不变投影矩阵U采用下式预测测试数据库语音样本的情感类别标签emotion_label，然后根据预测的情感类别标签emotion_label的所属的情感类别序号i确定和

为语音情感类别标签的第i项；

(4-3)求解联合分布隐式对齐子空间学习模型，过程如下：

A、根据确定的和固定W和W⁽ⁱ⁾，将学习模型简化为如下形式并进行求解，得到U；

式中，和L＝[L^s,0⁽⁰⁾,0⁽¹⁾,…,0^(c)]，0⁽⁰⁾和0⁽ⁱ⁾是条目全为0且大小与Δ⁽⁰⁾和Δ⁽ⁱ⁾相同的矩阵，i＝1,…,c；

B、根据得到的U，固定U，将学习模型分为以下两个独立的优化模型并进行求解，得到W和W⁽ⁱ⁾：

该式中W和W⁽ⁱ⁾的第j列w_j和的最优解是通过使用SLEP包解决以下两个典型LASSO问题得到的：

式中，和

C、检查W和W⁽ⁱ⁾是否收敛，若收敛，则将此时的U值作为最优结果输出，否则返回步骤(4-2)进行循环。