[发明专利]一种基于情感数据场的连续语音情感预测方法

权利要求书

1.一种基于情感数据场的连续语音情感预测算法,其特征在于：获取训练样本的语音情感特征向量，利用语音情感特征向量作为数据构成情感数据场以形成语音情感特征空间，情感数据场中的势函数建立起不同语音情感特征向量之间的联系；在进行情感预测时，等间隔的对测试样本采集语音情感特征向量，判断语音情感是否发生变化，若未发生变化则返回重新获取下一时刻的语音情感特征向量并判断，若语音情感发生变化则等间隔的选取语音情感特征向量，利用TSP蚁群算法中的多个蚂蚁分别一一对应模拟选取出来的多个语音情感特征向量，利用TSP蚁群算法中的多个城市分别一一对应模拟多个语音情感的类型，在情感数据场中计算每种语音情感的类型在选取出来的多个情感特征向量处产生的势值大小，选择势值中最大的一个所对应的语音情感的类型即为预测语音情感变化后的情感类型。

2.根据权利要求1所述的一种基于情感数据场的连续语音情感预测算法，其特征在于：包括顺序执行的以下步骤：

(1)、建立情感数据场

首先求取训练样本中属于各种情感类别的语音情感特征向量，将这些语音情感特征向量进行特征规范化后作为数据点构成情感数据场，其中属于不同情感类别的数据点分布在情感数据场中不同的区域，然后建立情感数据场中的势函数，则情感数据场中任一语音情感特征向量x的位势即势函数值如下

V(x)=Σxi∈Df(x,xi)]]>

式中D表示同类情感训练样本的语音情感特征向量的集合；

f(x,x_i)＝exp{-(x-x_i)^TΣ^-1(x-x_i)}

其中：

Σ表示训练样本的语音情感特征向量组成的协方差矩阵，Σ＝E[x-E(x)][x-E(x)^T]；

T表示转置矩阵；

x表示待求位势的样本的语音情感特征向量；

x_i表示训练样本i的语音情感特征向量；

(2)、利用情感数据场对情感变化的语音进行预测和识别

步骤2-1、进行预测和识别时，依据已建立的情感数据场判别当前时刻的语音情感类型，将判断结果作为基本情感，基本情感的中心为ω_i；

步骤2-2、确定对测试样本的分析间隔，然后在预测和识别情感的时刻开始之前的1s或者2s内等间隔采集语音情感特征向量；

步骤2-3、利用情感数据场判别语音情感是否发生变化，具体方法如下：当预测和识别情感的时刻，属于第i类情感的语音情感特征向量x满足x≥R(ω_i,D_i)，则判断预测和识别情感的时刻的语音情感相对于基本情感发生语音情感变化，

其中，

R(ωi,Di)≥min{argminx∈Di(Σxi∈Dif(x,xi))-ωi,argminxi∈Dif(xi,ωi)-ωi}]]>

上述不等式中，表达式表示第i类情感的样本D_i中位势值最小的样本点，表达式表示第i类情感的样本D_i中距离基本情感的中心ω_i最远样本点；

步骤2-4、若判定为连续的语音情感，则返回步骤2-1；

若判定为语音情感发生变化，则进入步骤2-5；

步骤2-5、预测变化后的语音情感

利用TSP蚁群算法中的蚂蚁模拟步骤2-2中采集到的语音情感特征向量，利用TSP蚁群算法中的城市模拟语音情感的类型，在情感数据场中根据式计算每种语音情感的类型在选取出来的语音情感特征向量处产生的势值大小，选择势值中最大的一个所对应的语音情感的类型即为预测语音情感变化后的情感类型。