[发明专利]一种针对烦躁情绪的可据判的自动语音情感识别方法

摘要

本发明公布了一种针对烦躁情绪的可据判的自动语音情感识别方法，包括如下步骤：(1)建立烦躁语音数据库；(2)提取语音情感特征；(3)特征选择：采用fisher准则进行特征评价；(4)可据判的识别方法：(4-1)采用GMM对烦躁、喜悦和平静三种情感进行建模，每种情感对应一个GMM模型，通过最大后验概率准则判决；(4-2)采用一种基于似然概率模糊熵的拒判方法对样本与情感类别之间的符合程度进行度量，从而实现对未知类别样本的拒判。本发明具有较好的烦躁情绪的识别性能。

主权项

一种针对烦躁情绪的可据判的自动语音情感识别方法，包括如下步骤：(1)建立烦躁语音数据库；(2)提取语音情感特征；其特征在于还包括如下步骤：(3)特征选择(3‑1)采用fisher准则进行特征评价：fisher判别准则用式(1)表示： f ( d ) = 1 C m 2 Σ 0 < i < j < m ( μ id - μ jd ) 2 σ id 2 + σ jd 2 - - - ( 1 ) 其中μ为特征值的均值，σ为特征值的标准差，m为类别的总数，d为维度。(4)可据判的识别方法(4‑1)采用GMM对烦躁、喜悦和平静三种情感进行建模，每种情感对应一个GMM模型，通过最大后验概率准则判决：xi表示第i条语句样本，λj表示第j个情感类别，最大后验概率表示为： p ( λ j | x i ) = p ( x i | λ j ) P ( λ j ) P ( x i ) - - - ( 2 ) 待识别的样本判决为： j * = arg max j p ( x i | λ j ) - - - ( 3 ) 其中，j*表示样本所属的类别；(4‑2)采用一种基于似然概率模糊熵的拒判方法对样本与情感类别之间的符合程度进行度量，从而实现对未知类别样本的拒判：对烦躁、喜悦和平静三种情感类别的GMM模型，可以得到3个GMM似然概率密度值，分别代表样本与三个情感类别的符合程度；似然概率密度值构成的判决集合的模糊熵越高表示样本属于烦躁、喜悦和平静三种情感的不确定程度越大，当模糊熵超过一定阈值Th时则发生拒判： 1 C Σ j = 1 C arctan ( p ( x i | λ j ) / 10 ) ( ln ( π / 2 ) ) - ln arctan ( p ( x i | λ j ) / 10 ) ) > Th - - - ( 4 ) .