[发明专利]一种基于语音模糊聚类的情感识别方法

说明书

技术领域

本发明涉及语音情感识别技术，具体的说是涉及一种基于语音模糊聚类的情感识别方法。

背景技术

随着人工智能的发展，情感智能跟计算机技术结合产生了情感计算这一崭新的研究课题。语言是人类交流的重要的工具，人类说话中不仅包含了文字符号信息，而且还包含了情感信息。对语音情感信息处理，在信号处理和人工智能领域中具有重要的意义。在语音情感识别领域中，许多专家学者做了大量的研究工作，包括建立一个标准的语音情感库，语音特征提取，分类识别方法研究。在语音情感特征选择中，前人也做了很多研究，但没有指出识别具体情感的具体特征有哪些。由于语音情感本身具有模糊性，所以一部分专家学者试着用模糊聚类的方法进行语音情感识别，但他们的研究中使用的是同一种特征对多类情感进行识别，识别效果并不理想。许多聚类算法基于欧氏或者马氏距离度量来决定聚类，基于这样的距离度量的算法趋向于发现具有相近尺度和密度的球状簇。但是，一个情感簇可能是任意形状的，因此目前采用的聚类算法不能很好的识别语音类别。

发明内容

本发明所要解决的，就是针对传统技术存在的上述问题，提出一种基于语音模糊聚类的情感识别方法。

本发明解决上述技术问题所采用的技术方案是：一种基于语音模糊聚类的情感识别方法，其特征在于，包括以下步骤：

a.对输入的语音信号进行预处理；所述预处理包括预加重滤波和加窗分帧，将语音信号分为N帧，其中N为大于1的正整数；

b.提取处理后的语音信号的特征信息；所述特征信息包括梅尔倒谱系数、基音、共振峰和短时能量；

c.将语音信号与特征信息进行组合后输入多个分类器进行分类处理；所述分类器至少包含2种情感类别且每个分类器包含的情感类别不完全相同；所述语音信号与特征信息进行组合的具体方式为，根据将要输入的分类器所包含的情感类别，语音信号选取不同的特征信号构成特征信息向量X，其中X的行向量为每一帧语音信号选取的特征信息，其列向量为帧数N；

d.分别对每一个分类器进行分类处理，得出语音信号与该组分类器中情感类别的隶属度；具体的分类方法为采用自适应模糊K均值算法；

e.根据每一个分类器输出的隶属度结果进行语音情感识别；具体的识别方法为将所有输出结果组成超矢量，对超矢量进行译码后输出判断的识别结果。

具体的，步骤b中提取的特征信息中，所述基音包括基音方差、基音最小值；所述共振峰包括第一共振峰最大值、第一共振峰最小值、第一共振峰均值；第二共振峰最大值、第二共振峰均值；第三共振峰最大值、第三共振峰均值、第三共振峰方差；所述短时能量为短时能量最小值；

具体的，步骤c中所述多类情感为4类，分别为高兴、生气、悲伤和平静，其具体的分组方法为两两分组，共分为六组，第一组为高兴/生气、第二组为高兴/悲伤、第三组为高兴/平静、第四组为生气/悲伤、第五组为生气/平静、第六组为悲伤/平静；每一组提取使该组中两类情感达到最优的特征信息数，然后将每一组的特征信息组成特征信息序列集X，其中特征信息X的行向量是从一帧语音信号中得到，列的大小是一段语音的帧数；其中，每一组特征信息具体为，第一组提取的特征信息为梅尔倒谱系数、第一共振峰最大值、第二共振峰最大值、第三共振峰最大值、第三共振峰均值；第二组提取的特征信息为梅尔倒谱系数、第一共振峰最小值、第三共振峰均值、基音最小值、基音方差；第三组提取的特征信息为梅尔倒谱系数、第一共振峰方差、第二共振峰均值、第三共振峰最大值、基音最小值；第四组提取的特征信息为梅尔倒谱系数、第一共振峰最大值、第三共振峰最大值、基音均值、短时能量最小值；第五组提取的特征信息为梅尔倒谱系数、第一共振峰最大值、第一共振峰方差、第二共振峰最大值、第三共振峰方差；第六组提取的特征信息为梅尔倒谱系数、第一共振峰方差、第二共振峰最大值、第三共振峰均值、短时能量最小值。

具体的，步骤d中所述采用自适应模糊K均值算法进行分类的具体方法为：