[发明专利]一种用于说话人无关的语音情感识别的谐波特征提取方法

权利要求书

1.一种用于说话人无关的语音情感识别的谐波特征提取方法，其特征在于：其包括以下步骤：

步骤一，构建基于傅里叶级数的谐波系数模型：对一语音信号x(m)，满足公式（1）的傅里叶级数，x(m)=Σk=1Mak(m)cos(2πkF0(m)m)+bk(m)sin(2πkF0(m)m)---(1)]]>；当语音信号x(m)在预定时间段内平稳时，对一个长度为N的有限的语音信号x(m)，一N点离散信号[x(0), …, x(N-1)]，经离散傅里叶变换后生成频谱信号[X(0), …, X(N-1)]，离散傅里叶变换定义为公式（2）：，其中，k=0,1,2...,N-1，将离散傅里叶变换表示为公式（3）的线性系统X=Wx，X(0)X(1)X(2)...X(N-2)X(N-1)=111...111e-j2πNe-j4πN...e-j2(N-2)πNe-j2(N-1)πN1e-j4πNe-j8πN...e-j4(N-2)πNe-j4(N-2)πN..................1e-j2(N-2)πNe-j4(N-2)πN...e-j2(N-2)2πNe-j2(N-1)(N-2)πN1e-j2(N-1)πNe-j4(N-1)πN...e-j2(N-1)(N-2)πNe-j(N-1)2πNx(0)x(1)x(2)...x(N-2)x(N-1)---(3)]]>，构成语音信号谐波系数模型，其中，转换矩阵为，X(k)为0到Ｎ－１区间的谐波系数，K为谐波次数；

步骤二，提取基于谐波系数模型的特征参数；

首先，谐波系数特征参数提取：将语音信号x(m)进行分帧，其中帧长16ms，帧移8ms，根据语音信号谐波系数模型，计算每一帧的谐波系数，语音信号的谐波系数X(N,I)= [X(0,1) X(1,1) … X(N?1,1),…, X(0,i-1) X(1,i-1) … X(N?1,i-1), X(0,i) X(1,i) … X(N-1,1),]   （4），其中i为帧数，根据公式（4）将语音信号x(m)的各次谐波系数进行统计，计算其最大值、最小值、中位数、平均值以及方差，得到语音信号的全局特征向量如公式（5），Xmin=min(X(N,1),X(N,2),...,X(N,i))Xmax=max(X(N,1),X(N,2),...,X(N,i))Xmed=median(X(N,1),X(N,2),...,X(N,i))Xmea=1kΣi=1kX(N,i)Xstd=Σi=1k(X(N,i)-Xavg)2---(5)]]>；

其次，谐波系数差分特征参数提取：将谐波系数特征参数提取步骤中得到的各次谐波系数根据式（6）进行一阶差分和二阶差分运算，ΔX=X(N,i+1)-X(N,i)i=1,2,...,IΔΔX=ΔX(N,i+1)-ΔX(N,i)i=1,2,...,I-2---(6)]]>，得到语音信号的动态谐波系数序列，同样，根据式（5）计算一阶差分和二阶差分统计值，得到语音信号的全局动态特征向量；

步骤三，将步骤（二）提取的特征矢量作为数据输入，输入给支持向量机分类模型（ＳＶＭ），进行说话人无关语音情感识别测试；

步骤四，经过训练和测试输出谐波系数特征参数对说话人无关语音情感识别的效果。