[发明专利]一种基于LLD和DSS融合特征的语音情感识别方法

说明书

本发明公布了一种基于LLD和DSS融合特征的语音情感识别方法，具体为在传统LLD特征的基础上，增加了DSS特征进行特征集扩充，再通过自编码器将扩充后的特征集进行降维，得到LLD+DSS融合特征。最后将LLD+DSS融合特征作为LSTM深度网络的输入，由LSTM深度网络判定每条融合特征对应的情感种类。本发明相较于传统语音情感特征和分类识别算法具有更好的综合性能，提高了语音情感分类的准确性。

技术领域

本发明属于人工智能和语音识别领域，尤其涉及一种基于LLD和DSS融合特征的语音情感识别方法。

背景技术

近年来，随着计算机技术的发展，人机交互(HMI)技术也得到了长足的进步，但还远不能达到人机充分沟通的水平。因为机器很难理解隐含在语言中的一些副语言信息，情绪就是其中之一。语音情感识别(SER)的基本任务，旨在通过语音信号对讲话者情绪状态进行分类，使HMI更加自然和现实。尽管国内外科研人员对SER已经开展了广泛的研究，但迄今为止，SER系统的性能相对较低，仍然无法实际应用。

语音情感识别的主要工作分为语音情感特征提取和分类网络模型选择。当前国内外的研究对象多为分类网络模型选择，且在分类模型上已经取得较大进展。语音情感识别中最常用的分类模型是支持向量机[1](SVM)，人工神经网络[2](ANN)，K最近邻算法[3](KNN)，Elman神经网络[4]，长短时神经网络[5](LSTM)等，这些模型大多采用Interspeech知识竞赛所采用的底层描述符(LLD)情感特征，很少有针对网络优化的情感特征。因此，如何挖掘潜在特征并提高识别率，仍待研究。

参考文献

[1]Lin Y L,Wei G.Speech emotion recognition based on HMM and SVM[C]//Machine Learning and Cybernetics,2005.Proceedings of 2005InternationalConference on.IEEE,2005,8:4898-4901.

[2]Han K,Yu D,Tashev I.Speech emotion recognition using deep neuralnetwork and extreme learning machine[C]//Fifteenth annual conference of theinternational speech communication association.2014.

[3]Schuller B,Rigoll G,Lang M.Speech emotion recognition combiningacoustic features and linguistic information in a hybrid support vectormachine-belief network architecture[C]//Acoustics,Speech,and SignalProcessing,2004.Proceedings.(ICASSP'04).IEEE International Conferenceon.IEEE,2004,1:I-577.

[4]余伶俐,周开军,邱爱兵.基于Elman神经网络的语音情感识别应用研究[J].计算机应用研究,2012,29(5):1809-1814.

[5]M,Kaiser M,Eyben F,et al.LSTM-Modeling of continuousemotions in an audiovisual affect recognition framework[J].Image and VisionComputing,2013,31(2):153-163.

[6]Andén J,Mallat S.Deep scattering spectrum[J].IEEE Transactions onSignal Processing,2014,62(16):4114-4128.