[发明专利]语音情感识别的优选方法

权利要求书

1.一种语音情感识别的优选方法，其特征是：该方法包括如下步骤：首先选取柏林数据集和中科院汉语情感语音库作为情感识别的语音数据库，所述的语音数据库中包括高兴、生气、害怕、悲伤、平静5种情感语音并对5种情感语音进行识别选定测试集和训练集，其次再对5种情感语音进行特征参数的信号提取，在提取的特征参数信号中利用Fisher准则和最大熵原理结合的方法得出SVM核参数，再用SVM核参数训练SVM，最后利用SVM优选后的核参数对语音情感信号进行识别。

2.根据权利要求1所述的语音情感识别的优选方法，其特征是：所述的特征参数的信号提取是在语音情感识别中采用韵律特征和音质特征这两种方法相结合的方式进行的，并且找出3个主特征即基音频率、振幅能量和共振峰的信号规律，再经统计学分析，即获得基音频率、振幅能量和共振峰特征的最大值、最小值、均值和方差。

3.根据权利要求1或2所述的语音情感识别的优选方法，其特征是：所述的Fisher准则和最大熵原理结合的方法是：Fisher准则与样本的类别间隔与类内间隔相关，最大熵原理与类内均匀分布程度有关，结合这二者的特点选取SVM核参数。

4.根据权利要求1或2或3所述的语音情感识别的优选方法，其特征是：所述的SVM即：支持向量机， SVM是一种基于统计学习理论的机器学习算法， SVM是基于线性分类器的原理， SVM可以用于解决线性与非线性样本分类，其核心思想是将低维空间线性不可分的样本点通过核函数映射至高维特征空间中，然后在特征空间中构造出最优分类超平面，这时数据在高维空间也可以被超平面分割，从而变得线性可分，因此要在特征空间中构造出最优超平面，并且使得各个样本与最优超平面的距离最大。