[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

说明书

本发明涉及人工智能技术领域，提供一种在频谱上对语音进行情绪识别的方法、系统及存储介质，其中方法包括：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；对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。利用本发明，能够解决目前对语音进行的情绪识别率低、延时以及对未知环境噪音的鲁棒性差等问题。

技术领域

本发明涉及人工智能技术领域，更为具体地，涉及一种在频谱上利用深度学习对语音进行情绪识别的方法、装置、系统及存储介质。

背景技术

情感计算的情绪识别是情感计算的一个重要组成部分，情绪识别研究的内容包括面部表情、语音、心率、行为、文本和生理信号识别等方面，通过以上内容来判断用户的情绪状态。其中，对语音进行的情绪识别可以被应用到很多方面，比如：人机交互，可以通过电子老师让电子学习变得更高效。

目前的一些困难与挑战有：提高识别率，降低延迟，提高对未知环境噪音的鲁棒性；其中，传统语音情绪识别的方法包括：首先对短时间的语音进行特征提取，然后在语句层面对其进行信息提取，最后再进行分类或者回归。近几年的方法是采用深度学习来进行上面所述步骤。虽然基于梅尔的频谱在语音识别上取得了很好的结果，但他去掉了一些音高的信息，但音高会反映情绪的信息，故采用基于梅尔的频谱(Mel-Frequency CepstralCoefficients，简称MFCC)在语音识别会丢失一些音高所反映的情绪信息。

因此，为了解决目前对语音进行的情绪识别率低、延时以及对未知环境噪音的鲁棒性差等问题，本发明提供了一种在频谱上对语音进行情绪识别的方法、装置、系统及存储介质。

发明内容

鉴于上述问题，本发明的目的是提供一种在频谱上对语音进行情绪识别的方法、装置、系统及存储介质，采用代表语音谐波结构的线性频谱，实现高精度的情绪识别系统，同时降低延时性，增强对环境噪音的鲁棒性。

第一方面，本发明提供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，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；

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。。

第二方面，本发明还提供一种电子装置，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上述在频谱上对语音进行情绪识别的方法的步骤。

第三方面，本发明还提供一种在频谱上对语音进行情绪识别的系统，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；