[发明专利]一种基于长时帧背景噪声估计的语音情感特征提取方法

说明书

本发明公开了一种基于长时帧背景噪声估计的语音情感特征提取方法，该方法在小波包基分解的频带上，利用非对称噪声抑制对语音信号进行噪声补偿，从而减小噪声对语音情感特征识别能力的影响，最后对特征能量进行频谱质心加权，进一步增加了提取特征的噪声鲁棒性。本发明通过对与语音信号进行小波包基分解，得到能够表征语音中蕴含的情感信息的一组频带，利用非对称噪声抑制对语音信号进行噪声补偿，最后利用对噪声具有鲁棒性的频谱质心对提取的特征能量进行加权，提高了提取的语音情感特征的语音情感识别率以及噪声鲁棒性。

技术领域

本发明涉及一种基于长时帧背景噪声估计的噪声鲁棒语音情感特征提取方法，属于语音情感识别技术领域。

背景技术

随着信息技术的快速发展和各种智能终端的兴起，现有的人机交互系统正面临日益严峻的考验。为了克服人机交互的障碍，使人机交互更为方便、自然，机器的情感智能正日益受到各领域研究者的重视。语音作为现今人机交互中极具发展潜力的高效交互媒介，携带着丰富的情感信息。语音情感识别作为情感智能的重要研究课题，在远程教学、辅助测谎、自动远程电话服务中心以及临床医学，智能玩具，智能手机等方面有着广阔的应用前景，吸引了越来越多研究机构与研究学者的广泛关注。

在语音情感识别的实际应用过程中，语音信号或多或少都存在着背景噪声的干扰，为了提高语音情感识别的精度和对噪声的鲁棒性，提取噪声鲁棒的语音情感特征显得至关重要。从原始语音数据中减小噪声对语音情感识别的影响，提取有效的情感信息，是提高语音情感识别系统噪声鲁棒性的重点和难点。

作为一种新兴的语音技术，非对称噪声抑制的噪声补偿因其在语音信号噪声处理中的灵活性和有效性，越来越得到研究者的广泛重视。对与提高语音情感特征的噪声鲁棒性问题，在语音进行小波包基分解后的子频带上利用非对称噪声抑制的噪声补偿方法，可以减小背景噪声对于语音情感识别的影响，提高语音情感识别的准确度，对特征能量进行频谱质心加权，进一步增加了提取特征对于噪声的鲁棒性。这种在语音情感特征提取层面，对语音情感特征进行噪声补偿以及对噪声鲁棒性进行加强的处理，在噪声鲁棒的语音情感识别研究中具有重要的意义。

发明内容

技术问题：本发明提供一种能够提高语音情感识别的噪声鲁棒性，在语音情感特征提取层面，对语音情感特征进行噪声补偿以及对其噪声鲁棒性进行加强的处理方法，能够噪声对于语音识别的影响，可以提高语音情感识别的精度和噪声鲁棒性。

技术方案：本发明的一种基于长时帧背景噪声估计的噪声鲁棒语音情感特征提取方法，该方法包括以下步骤：在麦克风里输入语音信号后，

步骤1：对输入的语音信号进行预处理，得到有效语音帧集合；

步骤2：对有效语音帧集合中的各语音帧s_k进行小波包分解，得到小波包树并对全体叶节点进行频率排序，得到小波包系数集合其中为最优小波包树，j是语音信号2倍采样的次数，p是小波包节点的序号，表示排序后小波包树的节点序列；

步骤3：计算语音帧s_k在各个子频带的能量分量E_i：

步骤4：计算子频带长时帧长能量

其中x表示语音帧序号，i表示子频带序号，参数M＝2；

步骤5：利用非对称噪声抑制进行噪声补偿；

步骤6：谱权重平滑化；

步骤7：采用自回归谱估计方法对语音帧s_k在各个子频带内的功率谱P_i(f)进行估计；

步骤8：计算语音帧在各子频带内的子带频谱质心C_i；