[发明专利]一种语音情感识别方法及装置

说明书

本发明公开了一种语音情感识别方法及装置，包括：获取当前语音信号；对当前语音信号进行预处理；将预处理之后的当前语音信号输入到计算机中进行第一降维；获取第一降维后的当前语音信号；基于第一降维后的当前语音信号获得当前语音信号对应的目标情感。通过将当前语音信号进行预处理和降维之后就可以获得其对应的目标情感，相比于现有技术需要提取目标特征然后根据目标特征匹配情感的方法来说，本发明无需提取目标特征来进行情感识别，进而避免了现有技术中由于部分语音中缺失目标特征或者提取的目标特征存在偏差而产生的无法自动识别情感和识别成功率低下等问题，大大的提高了用户的使用体验感。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种语音情感识别方法及装置。

背景技术

语音情感识别作为人工智能、心理学、计算科学等多学科交叉的新兴领域，进入21世纪后，随着人工智能领域的快速发展，语音情感识别的需求越来越大，所以分析、研究语音中包含的情感特征，判断说话人喜怒哀乐的情绪有非常重要的影响。

现有的语音情感识别方法的主要流程为获取用户语音然后提取特征，根据特征去匹配语音所对应的情感，这种方法存在以下问题：1、由于需要提取特征所以当语音中没有目标特征时无法自动识别情感，2、提取的目标特征存在偏差会导致最后匹配的情感和实际的不相同使用户的体验感极差，降低了情感识别的准确率。

发明内容

针对上述所显示出来的问题，本方法基于利用用户的当前语音信号，对其进行预处理，将预处理之后的当前语音信号输入到计算机中获得当前语音信号对应的目标情感来实现情感的识别。

一种语音情感识别方法，包括以下步骤：

获取当前语音信号；

对所述当前语音信号进行预处理；

将预处理之后的所述当前语音信号输入到计算机中进行第一降维；

获取第一降维后的所述当前语音信号；

基于所述第一降维后的当前语音信号获得所述当前语音信号对应的目标情感。

优选的，在对所述当前语音信号进行预处理之前，所述方法还包括：

获取历史语音信号；

提取所述历史语音信号的第一LPC特征；

利用所述第一LPC特征训练神经网络；

保存训练好的神经网络。

优选的，所述对当前语音信号进行预处理，包括：

提取所述当前语音信号的第二LPC特征；

将所述第二LPC特征输入到所述训练后的神经网络中获取差值；

基于所述差值使用gammatone滤波器进行第一分解以得到第一频率响应；

将所述第一频率响应确定为第一信号；

计算所述第二LPC特征的第二频率响应作为第二信号；

将所述第一信号和所述第二信号确定为所述预处理之后的当前语音信号。

优选的，所述方法还包括：

将所述第一信号输入到所述计算机的第一储层中；

将所述第二信号输入到所述计算机的第二储层中；

通过所述计算机对所述第一信号和所述第二信号进行处理然后映射输出高维液态第一信号和高维液态第二信号。

优选的，所述将预处理之后的所述当前语音信号输入到计算机中进行第一降维，包括：