[发明专利]一种基于语音模糊聚类的情感识别方法

摘要

本发明涉及语音情感识别技术，具体的说是涉及一种基于语音模糊聚类的情感识别方法。本发明的方法包括对输入的语音信号进行预处理；提取处理后的语音信号的特征信息；将多类情感进行分组，并根据多类情感分组后的类型分别选取相应的特征信息；根据每一组情感类组合选取的特征信息分别进行分类处理；根据每一组情感类组合分类后的输出结果进行语音情感识别；本发明的有益效果为，通过不同情感选取不同的特征，用改进的自适应模糊K均值聚类方法比传统方式所有情感用同一种特征的FCM方法的识别效果要好很多，并且识别率更高，效果更好。本发明尤其适用于语音智能情感识别。

主权项

一种基于语音模糊聚类的情感识别方法，其特征在于，包括以下步骤：a.对输入的语音信号进行预处理；所述预处理包括预加重滤波和加窗分帧，将语音信号分为N帧，其中N为大于1的正整数；b.提取处理后的语音信号的特征信息；所述特征信息包括梅尔倒谱系数、基音、共振峰和短时能量；提取的特征信息中，所述基音包括基音方差、基音最小值；所述共振峰包括第一共振峰最大值、第一共振峰最小值、第一共振峰均值；第二共振峰最大值、第二共振峰均值；第三共振峰最大值、第三共振峰均值、第三共振峰方差；所述短时能量为短时能量最小值c.将语音信号与特征信息进行组合后输入多个分类器进行分类处理；所述分类器至少包含2种情感类别且每个分类器包含的情感类别不完全相同；所述语音信号与特征信息进行组合的具体方式为，根据将要输入的分类器所包含的情感类别，语音信号选取不同的特征信号构成特征信息向量X，其中X的行向量为每一帧语音信号选取的特征信息，其列向量为帧数N；具体的所述分类器为6个，每一个分类器包含2种共4类情感类别，分别为高兴、生气、悲伤和平静，采用两两分组法分组，共分为六组，第一组为高兴/生气、第二组为高兴/悲伤、第三组为高兴/平静、第四组为生气/悲伤、第五组为生气/平静、第六组为悲伤/平静；每一组情感类别对应一个分类器；每一组提取使该组中两类情感达到最优的特征信息数，然后将每一组的特征信息组成特征信息序列集X，其中特征信息向量X的行向量是从一帧语音信号中得到，列的大小是一段语音的帧数；其中，每一组特征信息具体为，第一组提取的特征信息为梅尔倒谱系数、第一共振峰最大值、第二共振峰最大值、第三共振峰最大值、第三共振峰均值；第二组提取的特征信息为梅尔倒谱系数、第一共振峰最小值、第三共振峰均值、基音最小值、基音方差；第三组提取的特征信息为梅尔倒谱系数、第一共振峰方差、第二共振峰均值、第三共振峰最大值、基音最小值；第四组提取的特征信息为梅尔倒谱系数、第一共振峰最大值、第三共振峰最大值、基音均值、短时能量最小值；第五组提取的特征信息为梅尔倒谱系数、第一共振峰最大值、第一共振峰方差、第二共振峰最大值、第三共振峰方差；第六组提取的特征信息为梅尔倒谱系数、第一共振峰方差、第二共振峰最大值、第三共振峰均值、短时能量最小值d.分别对每一个分类器进行分类处理，得出语音信号与该组分类器中情感类别的隶属度；具体的分类方法为采用自适应模糊K均值算法；所述采用自适应模糊K均值算法进行分类的具体方法为：将自适应模糊K均值算法的目标函数定义为：其中，为X为特征信息序列集，U为隶属度矩阵，V为聚类中心矩阵，A为c类的范数诱导大矩阵，N为特征信息个数，即样本数，c为聚类种类数，m为模糊加权指数，uij表示第j个样本对于第i情感类的隶属度函数值，vi为某一情感类的中心，即是一个聚类中心矢量，xk为某一种特征信息向量，Ai为某一类的局部范数诱导矩阵；为达到分类的目的，需要使目标函数J最小，通过循环迭代计算，当隶属矩阵稳定的时候就是目标函数最小的时候，设置隶属矩阵容错门限为ε，初始的隶属矩阵可以随机选取；所述循环迭代计算包括以下步骤：第一步：计算聚类中心第二步：计算聚类协方差矩阵第三步：计算马氏距离，其中，Ai＝[ρi det(Fi)]1/nFi‑1，||Ai||＝ρi,ρ>0,ρi为控制局部聚类参数；第四步：更新隶属度矩阵，l为循环的迭代次数；循环结束条件为||U(l)‑U(l‑1)||≤ε；分别将每一组的特征信息X按上述循环迭代计算进行处理得到每一组的稳定隶属矩阵Ue.根据每一个分类器输出的隶属度结果进行语音情感识别；具体的识别方法为将所有输出结果组成超矢量，对超矢量进行译码后输出判断的识别结果。