[发明专利]一种基于话语模型的心理健康情感识别装置及其操作方法

权利要求书

1.一种基于话语模型的心理健康情感识别装置，包括语音识别装置(1)、云服务器(2)，所述语音识别装置(1)、云服务器(2)通过云互联技术进行电信号连接，其特征在于：所述语音识别装置(1)包括机身(11)、控制器(15)、锂电池(17)、后盖(16)，所述机身(11)、后盖(16)相互卡接，所述控制器(15)、锂电池(17)位于机身(11)、后盖(16)的内侧，所述机身(11)的表面固定安装有显示器(12)、麦克风(13)、控制键(14)，所述控制器(15)的表面集成有无线信号收发器(18)、MCU处理器(19)，所述云服务器(2)的内部设置有云计算模块(3),所述云计算模块(3)包括信息分析(31)、数据分析(32)、机器学习(33)。

2.根据权利要求1所述的一种基于话语模型的心理健康情感识别装置，其特征在于：所述麦克风(13)、控制键(14)的输出端与控制器(15)的输入端电性连接，所述控制器(15)的输出端与显示器(12)的输入端电性连接，所述锂电池(17)的输出端与控制器(15)的输入端电连接。

3.根据权利要求1所述的一种基于话语模型的心理健康情感识别装置，其特征在于：所述无线信号收发器(18)的通讯格式及协议对外开放并且可进行深度开发，所述通信技术包括但不仅限于蓝牙通信、WI-FI通信、LoRa通信、GPRS通信。

4.根据权利要求1所述的一种基于话语模型的心理健康情感识别装置，其特征在于：所述数据分析(32)包括人为变量赋值(321)、算法分析(322)，所述人为变量赋值(321)、算法分析(322)构成深度神经网络(323)，所述人为变量赋值(321)、算法分析(322)包括概率论算法、统计学算法、逼近论算法、凸分析算法、算法复杂度理论以及模拟预测，所述数据分析(32)的运算结果导出至机器学习(33)。

5.根据权利要求1所述的一种基于话语模型的心理健康情感识别装置，其特征在于：所述机器学习(33)对信息分析(31)、数据分析(32)执行辅助运算，所述机器学习(33)可控制算法分析(322)的优化更新。

6.根据权利要求1所述的基于话语模型的心理健康情感识别装置的操作方法，使用权利要求书1-6中所述的基于话语模型的情感识别装置，其特征在于：包括以下步骤：

S1.通过语音识别装置(1)进行语音收录并进行“模-数”转换，“模-数”转换分别包括：预滤波：语音信号在采样之前要进行预滤波处理，抑制输入信号各频率分量中频率超过fs/2的所有分量(fs为采样频率)，以防止混叠干扰，并抑制50Hz的电源工频干扰；采样：原始的语音信号是连续的模拟信号，通过采样转化为时间轴上离散的数据；量化：将离散数据进行分级量化，将信号采样的幅度划分成几个区段，把落在某区段的采样到的样品值归成一类，并给出相应的量化值；经过量化处理之后，离散时间信号变成了数字信号，信号不仅在时间上不再连续，在幅度上也不连续；编码：将量化后的数字信号编码成二进制；

S2.语音信号的预处理：预加重：提高高频部分，使信号的频谱变得平坦，以便于频谱分析或者声道参数分析；分帧：将语音信号分割为段落形式，其中每一段称为一帧，一般取10-30ms，为了使帧与帧之间平滑过渡，保持连续性从而进行短时分析；加窗：进行加窗处理从而形成加窗语音信号；端点检测：从一段语音信号中准确地找出语音信号的起始点和结束点，使有效的语音信号和无用的噪声信号进行分离；

S3.通过利用现成熟的梅尔频率倒谱系数进行语音信号特征提取，梅尔频率倒谱系数的滤波器组种方法得到的是一帧语音的静态特征，用相邻两帧或多帧之间的数及二阶差分系数来近似描述语音相邻帧间的动态相关特性，从而利用ACCorpus系列汉语情感数据库进行比对；

S4.最后利用机器学习分类器通过云计算的方式进行语音情感识别，模拟大脑工作，构建深度神经网络，来学习简单特征、建立复杂特征、学习映射并输出，训练过程中所有层级都会被不断优化情感识别的准确性，给机器识别赋能。