[发明专利]一种基于变分模态分解和极限学习机的语音情感识别方法在审
| 申请号： | 201810320085.X | 申请日： | 2018-04-11 |
| 公开（公告）号： | CN108597540A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 张秀再;王玮蔚;赵慧 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G10L25/63 | 分类号： | G10L25/63;G10L25/24;G10L25/21;G10L25/18 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 朱桢荣 |
| 地址： | 210044 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于变分模态分解和极限学习机的语音情感识别方法，属于人工智能和语音识别领域，本发明首先通过变分模态分解方法对情感语音信号进行预处理，分解成若干个本征模态函数(IMF)分量和一个残差分量，这些分量更能准确反映原序列的变化，并保留语音信号的情感特征；然后通过对每个IMF分量进行hilbert变换，得到各IMF分量的hilbert边际谱特征；另外，将各IMF分量重新聚合，得到去除残差分量的语音信号，再对该信号提取MEL倒谱函数。将提取的新特征加入到传统语音情感特征集中，构建极限学习机模型进行分类识别。本发明的优点在于通过变分模态分解得到新的语音特征，相较于传统语音情感特征，该特征在进行语音情感识别时有更高的识别率。 | ||
| 搜索关键词： | 分模 分解 极限学习机 情感特征 语音情感 传统语音 语音信号 残差 预处理 本征模态函数 人工智能 分类识别 情感语音 信号提取 语音识别 语音特征 识别率 新特征 原序列 构建 去除 聚合 保留 | ||
【主权项】：
1.一种基于变分模态分解和极限学习机的语音情感识别方法，其特征在于，包括以下步骤：步骤1、将输入的语音情感信号通过变分模态分解算法进行模态分解，得到本征模态函数IMF分量和残差分量；步骤2、对步骤1的各分量进行Hlibert变换，得到各IMF分量的Hilbert谱，将各IMF分量的平均瞬时频率、幅值以及原始信号的瞬时频率作为该语音情感信号的VMD‑HT特征；步骤3、采用步骤1的各IMF分量进行重新聚合，对聚合信号提取MFCC参数，即得到VMD‑MFCC特征；步骤4、将步骤2和步骤3的特征加入到现有的语音特征集中，通过极限学习机分类模型对整个语音特征集进行分类识别，得到语音情感数据集分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京信息工程大学，未经南京信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810320085.X/，转载请声明来源钻瓜专利网。
