[发明专利]基于似然概率模糊熵的紧张状态下语音情绪自动识别方法

权利要求书

1.一种基于似然概率模糊熵的紧张状态下语音情绪自动识别方法，其特征在于，包括如下步骤：

(1)建立语音数据库，所述语音数据库包括紧张、喜悦和平静的语音数据；

(2)从语音数据库中提取语音情感特征，所述语音情感特征包括韵律情感特征和音质情感特征；

(3)采用fisher准则对语音情感特征进行特征评价，选择识别特征；

(4)依据识别特征利用似然概率模糊熵判断待识别样本的情感类别，并在模糊熵超过阈值时拒判。

2.根据权利要求1所述的基于似然概率模糊熵的紧张状态下语音情绪自动识别方法，其特征在于，所述步骤(1)具体包括如下子步骤：

(1-1)被试对象分别录制紧张、喜悦和平静的语音片段；

(1-2)筛选出紧张、喜悦和平静的语音数据。

3.根据权利要求1所述的基于似然概率模糊熵的紧张状态下语音情绪自动识别方法，其特征在于，步骤(2)中所述的韵律情感特征包括：短时能量的均值、最大值、最小值、中值、方差；短时能量差分的均值、最大值、最小值、中值、方差；基音的均值、最大值、最小值、中值、方差；基音一阶差分的均值、最大值、最小值、中值、方差；基音二阶差分的均值、最大值、最小值、中值、方差；基音范围；发音帧数、不发音帧数、不发音帧数和发音帧数之比、发音帧数和总帧数之比、发音区域数、不发音区域数、发音区域数和不发音区域数之比、发音区域数和总区域数之比、最长发音区域数、最长不发音区域数。

4.根据权利要求1所述的基于似然概率模糊熵的紧张状态下语音情绪自动识别方法，其特征在于，步骤(2)中所述的音质情感特征包括：第一共振峰的均值、最大值、最小值、中值、方差；第二共振峰的均值、最大值、最小值、中值、方差；第三共振峰的均值、最大值、最小值、中值、方差；第一共振峰一阶差分的均值、最大值、最小值、中值、方差；第二共振峰一阶差分的均值、最大值、最小值、中值、方差；第三共振峰一阶差分的均值、最大值、最小值、中值、方差；250Hz以下谱能量百分比、650Hz以下谱能量百分比、4kHz以上谱能量百分比；谐波噪声比(HNR)的均值、最大值、最小值、中值、方差。

5.根据权利要求1所述的基于似然概率模糊熵的紧张状态下语音情绪自动识别方法，其特征在于，步骤(3)中所述的fisher准则对第d个维度具体表示为

f(d)=1Cm2Σ0<i<j<m(μid-μjd)2σid2+σjd2]]>

其中μ为语音情感特征的特征值的均值，σ为语音情感特征的特征值的标准差，m为语音情感特征的类别的总数。

6.根据权利要求1所述的基于似然概率模糊熵的紧张状态下语音情绪自动识别方法，其特征在于，所述步骤(4)具体包括如下子步骤：

(4-1)采用GMM对紧张、喜悦和平静三种情感进行建模，每种情感对应一个GMM模型，得到每种情感的p(x_i|λ_j)，通过最大后验概率准则判决；x_i表示第i条语句样本，λ_j表示情感类别，最大后验概率可以表示为：

p(λj|xi)=p(xi|λj)P(λj)P(xi)]]>

待识别的样本判决为：

j*=arg maxjp(xi|λj)]]>

其中，j^*表示样本所属的类别；

(4-2)分别用紧张、喜悦和平静的GMM似然概率密度值代表待识别样本与紧张、喜悦和平静情感类别的符合程度；当模糊熵超过阈值Th时则发生拒判：

1CΣj=1Carctan(p(xi|λj)/10)(ln(π/2)-ln arctan(p(xi|λj)/10))>Th]]>

其中，C为情感类别数。