[发明专利]一种基于变分模态分解和极限学习机的语音情感识别方法

权利要求书

1.一种基于变分模态分解和极限学习机的语音情感识别方法，其特征在于，包括以下步骤：

步骤1、将输入的语音情感信号通过变分模态分解算法进行模态分解，得到本征模态函数IMF分量和残差分量；

步骤2、对步骤1的各分量进行Hlibert变换，得到各IMF分量的Hilbert谱，将各IMF分量的平均瞬时频率、幅值以及原始信号的瞬时频率作为该语音情感信号的VMD-HT特征；

步骤3、采用步骤1的各IMF分量进行重新聚合，对聚合信号提取MFCC参数，即得到VMD-MFCC特征；

步骤4、将步骤2和步骤3的特征加入到现有的语音特征集中，通过极限学习机分类模型对整个语音特征集进行分类识别，得到语音情感数据集分类结果。

2.根据权利要求1所述的一种基于变分模态分解和极限学习机的语音情感识别方法，其特征在于，步骤1中得到K个本征模态函数IMF分量和一个残差分量；具体如下：

第k个IMF分量表达式为

其中，u_k(t)为第k个IMF分量，0＜k＜K+1，A_k(t)为第k个IMF分量的幅值，为第k个IMF分量的相角，t为时间；

约束条件为

式(2)中{u_k}:＝{u₁,...,u_K}，u_k(t)记为u_k，{u_k}为分解到的K个有限带宽的IMF分量的集合，uk表示分解到的第k个有限带宽的IMF分量，为微分算子，δ(t)为狄利克来函数，j为虚数符号，e为自然常数，f(t)为约束函数，{ω_k}:＝{ω₁,...,ω_K}，{ω_k}为K个IMF分量所对应的中心频率的集合，ω_k表示第k个IMF分量所对应的中心频率，表示范数；通过拉格朗日函数求该约束条件下的最优解，生成的拉格朗日表达式为：

式(3)中，L({u_k},{ω_k},λ)为拉格朗日函数，α为惩罚系数，λ(t)为拉格朗日乘子，<·>表示内积；

采用乘法算子交替的方法求式(3)的鞍点，就得到IMF分量，求解过程中的值会不断更新，直到与的误差小于预设值；为第n+1次迭代的第k个IMF分量，其表达式为

式(4)中，X为u_k的集合，为第n+1次迭代的第k个IMF分量的中心频率，表示将第n+1次迭代的除了第k个IMF分量之外的分量进行求和，u_i(t)ⁿ⁺¹为第n+1次迭代时的第i个IMF分量。

3.根据权利要求2所述的一种基于变分模态分解和极限学习机的语音情感识别方法，其特征在于，K设置为4。

4.根据权利要求1所述的一种基于变分模态分解和极限学习机的语音情感识别方法，其特征在于，步骤3的MFCC参数提取前12维。

5.根据权利要求1所述的一种基于变分模态分解和极限学习机的语音情感识别方法，其特征在于，步骤4的极限学习机分类模型采用sigmod函数作为代价函数。