[发明专利]一种基于改进模糊矢量量化的语音情感识别方法

摘要

本发明公开了一种基于改进模糊矢量量化的语音情感识别方法。本发明将模糊隶属度函数总和由1扩为N，一定程度上降低了样本野点对训练迭代过程的影响，在码本训练过程中采用基于相似性阀值和最小距离原则的聚类方法，一定程度上避免了聚类中心的对初值敏感、易陷入局部极小值的问题，从实验结果看，本发明方法可以有效改善现有模糊矢量量化方法情感识别率。

主权项

1.一种基于改进模糊矢量量化的语音情感识别方法，其步骤为：建立特征提取分析模块、特征降维模块、改进模糊矢量量化模块的训练、情感识别模块；特征提取分析模块包括两类参数的提取和性别规整：韵律参数和音质参数；首先对原始语音信号预加重、分帧，然后分别进行特征提取；(1)韵律参数提取(1-1)将原始语音信号经高通滤波器预处理，提取发音持续时间、语速参数；(1-2)分帧，加窗；(1-3)应用短时分析技术，分别提取各帧语句主要特征参数：基频轨迹、短时能量轨迹、浊音段清音段时间比；(1-4)提取部分韵律特征参数的衍生参数：短时能量最大值、最小值、均值和方差，短时能量抖动最大值、最小值、均值和方差，基频最大值、最小值、均值和方差，基频抖动的最大值、最小值、均值和方差；其中短时能量抖动的计算如下：Ei1=|Ei0-Ei-10|]]>i＝2，3，…，N    (式1)其中E_i⁰是第i帧短时能量，N为帧数；基频抖动的计算同(式1)；(1-5)性别规整，按照样本所属的不同性别，归入不同的集合s_i；再次分别计算各自的均值μ_i和方差σ_i，这里用i表示不同的集合序号，利用下式将参数规整到相同的空间；si′=si-uiσi]]>(式2)(2)音质特征参数提取(2-1)提取声门波参数的最大值、最小值、均值和方差，包括：声门开启时间与整个声门周期比(OQ，open quotient)、声门开启过程时间与闭合过程时间比(SQ，speed quotient)、声门闭合时间与整个声门周期比(CQ，ClosedQuotient)、声门闭合过程时间与整个声门周期比(ClQ，Closing Quotient)、声门波歪斜度；(2-2)提取谐波噪声比最大值、最小值、均值、方差；(2-3)提取前三个共振峰最大值、最小值、均值、方差和带宽；(2-4)提取前三个共振峰抖动的最大值、最小值、均值、方差；共振峰抖动计算同(式1)；(2-5)性别规整，同(1-5)；(3)特征降维(3-1)将(1)(2)中全部特征提取和规整完毕后，组成特征矢量；(3-2)采用主分量分析神经网络(PCANN)实现降维，得到样本特征矢量序列X＝{X₁，X₂...，X_N，}；(4)改进模糊矢量量化(4-1)对某种情感所有训练样本，计算任意两个样本间的欧氏距离，将距离最近的两个样本定为一类，选定距离阀值L，将与该两样本之一的距离在L之内的所有样本判为此类；(4-2)将已有类别归属的样本及与这些样本有关的距离适当处理，不再使用；(4-3)在剩下的样本中找到距离最近的一对样本，若它们之间的距离大于L，则将这两个样本分别定为一类，且各类中只有一个样本；若它们之间的距离小于L，则选定距离阀值αL(0＜α≤1)，将与该样本之一的距离在αL之内的所有样本判属此类；(4-4)重复步骤(4-2)、(4-3)，直到所有样本都被分类，若最后只剩一个样本，则将该样本单独定为一类；(4-5)调整L及αL，直到所有样本被聚成J类；(4-6)将隶属度函数u_k(X_i)的归一化条件扩大为Σj=1JΣi=1Nuj(Xi)=N,]]>按(式3)计算u_k(X_i)，按(式4)计算得到各类的类中心Y_j(i＝1，2，…J)；uk(Xi)=Σj=1JΣi=1N(d(Xi,Yk)2/(m-1)Nd(Xi,Yj)2/(m-1))-1,]]>1≤k≤J，1≤i≤N    (式3)Yk=Σi=1Nukm(Xi)XiΣi=1Nukm(Xi)]]>1≤k≤J    (式4)其中m∈[1，∞)为模糊度，d(X_i，Y_k)表示距离；(4-7)选择常数ε＞0，设置迭代次数k＝0，以(4-6)的类中心作为初始码本，采用模糊C均值(FCM)聚类算法递推出码本Y_j(i＝1，2，…J)；(4-8)对每种情感按(4-1)～(4-7)训练出一个码本；(5)情感识别(5-1)对于待识别语句按照步骤(1)(2)(3)求出特征矢量X_i，把X_i量化成由隶属度函数组成的矢量U(X_i)＝{u₁，(X_i)，u₂(X_i)，...，u_J(X_i)}，得到X_i的重构矢量和量化误差D；X^i=Σk=1JukmYk/Σk=1Jukm]]>(式5)D=Σk=1Jukm(Xi)d(Xi,Yk)]]>(式6)(5-2)选择平均量化失真最小的那个码本对应的情感为识别结果。