[发明专利]在频谱上对语音进行情绪识别的方法、系统及存储介质

权利要求书

1.一种在频谱上对语音进行情绪识别的方法，应用于电子装置，其特征在于，包括：

对语音进行预处理；

对预处理后的语音进行频谱计算，获取频谱值，其中，采用重叠的海宁窗口对每一个子句进行操作，其中，窗移10毫秒，窗口大小20毫秒，

对于每一音频帧，计算一个维度为800、网格分辨率为20Hz的离散傅里叶变换值，其中，所述离散傅里叶变换值即为频谱值，

将通过计算获得每一个子句的频谱值聚合在一起，形成一个N×M的矩阵，其中，根据语音句子的长度，N＝300，根据选定的频率网格分辨率，M＝200，其中，只考虑0-4kHz的语音，忽略别的频率的语音；

对所述频谱值进行归一化处理；

采用深度网络神经对经过归一化处理的频谱值进行情绪识别，获取情绪识别结果；

在对所述频谱值进行归一化处理的过程中，

首先，将所述频谱值转为能量频谱对数值；

然后，采用经验值E_noise对所述能量频谱对数值进行限制，即：所述能量频谱对数值减去经验值E_noise；

最后，采用归一化使得所述能量频谱对数值减去经验值E_noise的方差为1。

2.根据权利要求1所述的在频谱上对语音进行情绪识别的方法，其特征在于，在对语音进行预处理的过程中，

在语音数据库中，每一个语音句子时长从1秒到20秒不等，每一个句子均有一个情绪的标签；

将每一个长于3秒的语音句子分成等于小于3秒的子句，并且每一个子句的标签于整句的标签相同。

3.根据权利要求1所述的在频谱上对语音进行情绪识别的方法，其特征在于，在将所述频谱值转为能量频谱对数值的过程中，

首先，采用开源的音高检测器，获取语音每帧的基音频率；

然后，对于每一个非静音的帧，经过噪音滤波器，获取改进版的能量频谱对数值。

4.根据权利要求1所述的在频谱上对语音进行情绪识别的方法，其特征在于，在采用深度网络神经对经过归一化处理的频谱值进行情绪识别，获取情绪识别结果过程中，

将经过归一化处理的频谱值输入卷积神经网络，并将所述卷积神经网络的输出作为长短期记忆网络的输入，从而对语音进行情绪识别，得到情绪识别的结果。

5.一种电子装置，该电子装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述在频谱上对语音进行情绪识别的方法的步骤。

6.一种在频谱上对语音进行情绪识别的系统，其特征在于，包括：

语音预处理单元，用于对语音进行预处理；

频谱值获取单元，用于对预处理后的语音进行频谱计算，获取频谱值；其中，所述频谱值获取单元包括：

海宁窗口处理模块，用于采用重叠的海宁窗口对每一个子句进行操作，其中，窗移10毫秒，窗口大小20毫秒；

子句频谱值获取模块，用于对于每一帧，计算一个维度为800、网格分辨率为20Hz的离散傅里叶变换值，其中，所述离散傅里叶变换值即为频谱值；

整句频谱值获取单元，用于将通过计算获得每一个子句的频谱值聚合在一起，形成一个N×M的矩阵，其中，

根据语音句子的长度，N＝300，根据选定的频率网格分辨率，M＝200，其中，只考虑0-4kHz的语音，忽略别的频率的语音；

数据归一化处理单元，用于对所述频谱值进行归一化处理；

情绪识别获取单元，用于采用深度网络神经对经过归一化处理的频谱值进行情绪识别，获取情绪识别结果；

所述数据归一化处理单元包括：

能量频谱对数值转化模块，用于将频谱值转为能量频谱对数值；

能量频谱对数值限制模块，用于采用经验值E_noise对能量频谱对数值进行限制，即：能量频谱对数值减去经验值E_noise；

方差获取模块，用于采用归一化使得能量频谱对数值减去经验值E_noise的方差为1。