一種識別語音情感的裝置和方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及語音信號處理領(lǐng)域，尤其涉及一種識別語音情感的裝置和方法。
【背景技術(shù)】
[0002] 語音情感的識別技術(shù)是指機(jī)器通過語音信號智能識別人類的不同情感狀態(tài)，根據(jù) 人在不同情感下的語音信號非平穩(wěn)性特征等比較明顯的特點(diǎn)，通過提取語音的音質(zhì)特征、 韻律特征和頻譜特征等聲學(xué)特征來判斷情緒的變化。語音情感識別是人工智能、心理學(xué)和 生物學(xué)等多學(xué)科交叉的新興領(lǐng)域，其目的就是通過計算機(jī)技術(shù)將蘊(yùn)含在語音中的情感信息 識別出來（同樣一句話，說話人在不同的環(huán)境和情感狀態(tài)時所表達(dá)的含義會截然不同）。語 音信號具有便攜性好和采集方便等優(yōu)勢，因此情感識別技術(shù)在智能人機(jī)交互、人機(jī)交互教 學(xué)、娛樂業(yè)、醫(yī)學(xué)、刑偵與安全領(lǐng)域可以得到廣泛的應(yīng)用。
[0003]對人員情緒狀態(tài)的評價具有很高的應(yīng)用價值，特別是在航空航天等軍事應(yīng)用領(lǐng)域 中，長時間的、枯燥的、高強(qiáng)度的任務(wù)會使相關(guān)人員面臨嚴(yán)酷的生理以及心理考驗(yàn)，引發(fā)一 些負(fù)面的情緒。探討負(fù)面情緒對于人類認(rèn)知活動的作用機(jī)制和影響因素，研究提高個體認(rèn) 知和工作效率的方法、避免影響認(rèn)知和工作能力的因素，具有重大的實(shí)際意義。
[0004] -般情況下，語音的情感相關(guān)性的表示形式可以通過說話人模型或者聲學(xué)模型來 實(shí)現(xiàn)。已有的研究成果表明，針對情感識別所采用的特征大多是韻律特征，也就是超音段特 征，如基音、強(qiáng)度、持續(xù)時間、以及它們的衍生參數(shù)。然而，語音音質(zhì)聽覺方面的信息也是常 常需要考慮的因素。
[0005] 非專利文獻(xiàn)Alter，E.Tank，and S.Kotz，〃Accentuation and Emotions-two different systems/'presented at ISCA Workshop (ITRff)on Speech and Emotion， Newcastle，Northern Ireland，2000,Alter等人通過對韻律和音質(zhì)之間關(guān)系的研究，發(fā)現(xiàn) 生氣和高興時的發(fā)音在喘氣和沙啞等方面是不同的。其他的研究表明，語音信號的韻律特 征與三個情感維度(效價維、激活維和控制維)之間的具有一定關(guān)聯(lián)性，其中激活維和韻律 特征之間具有明顯關(guān)聯(lián)，激活維相近的情感狀態(tài)具有相似的韻律特征且易混淆。

【發(fā)明內(nèi)容】

[0006] 發(fā)明的目的就在于解決現(xiàn)有技術(shù)的缺陷，設(shè)計、研究一種高性能的識別語音情感 的裝置和方法。
[0007] 本發(fā)明的技術(shù)方案是:一種識別語音情感的裝置，包括，訓(xùn)練部，用于對預(yù)處理語 音數(shù)據(jù)進(jìn)行語音特征提取，通過特征提取和高斯建模，對高斯建模得到的結(jié)果進(jìn)行SVM分 類；
[0008] 識別部，用于識別語音的情感狀態(tài)，對待識別語音進(jìn)行語音特征提取，通過特征選 擇，進(jìn)行高斯似然度計算，對計算結(jié)果與SVM分類進(jìn)行對比，得到待識別語音的情感類別。
[0009] 進(jìn)一步的，所述訓(xùn)練部包括，訓(xùn)練語音數(shù)據(jù)庫，用于訓(xùn)練情感識別方法的語音數(shù) 據(jù)，包括多種情感類型的語音數(shù)據(jù)；
[0010]語音特征提取模塊，用于提取訓(xùn)練語音數(shù)據(jù)庫中每一條語音數(shù)據(jù)的基本聲學(xué)特 征，基本聲學(xué)特征包括基音及其一階、二階差分的統(tǒng)計特征，共振峰及其統(tǒng)計特征，以及 MFCC特征及其統(tǒng)計特征；
[0011]特征選擇模塊，對任意兩種情感類型進(jìn)行組合，選擇其聲學(xué)特征，得到訓(xùn)練數(shù)據(jù)；
[0012] 高斯建模模塊，對訓(xùn)練數(shù)據(jù)采用高斯混合模型建模，得到數(shù)據(jù)分布；
[0013] SVM分類器，對訓(xùn)練語音數(shù)據(jù)庫中的每一條語音數(shù)據(jù)，在任意兩種情感類型的組合 模式下，根據(jù)高斯模型得到該語音數(shù)據(jù)屬于這兩個情感類型的似然度。
[0014] 進(jìn)一步的，所述識別部包括，特征提取模塊，用于提取待識別語音的基本聲學(xué)特 征；
[0015] 選擇模塊，用于對待識別語音的任一兩種情感類型進(jìn)行組合，選擇其聲學(xué)特征，得 到待識別數(shù)據(jù)；
[0016] 高斯似然度計算模塊，對待識別數(shù)據(jù)進(jìn)行似然度計算；
[0017] 情感匹配部，對待識別數(shù)據(jù)的似然度輸入SVM分類器進(jìn)行匹配，得到待識別語音的 情感類別。
[0018] -種識別語音情感的方法，包括如下步驟，訓(xùn)練，用于對預(yù)處理語音數(shù)據(jù)進(jìn)行語音 特征提取，通過特征提取和高斯建模，對高斯建模得到的結(jié)果進(jìn)行SVM分類；
[0019] 識別，對待識別語音進(jìn)行語音特征提取，通過特征選擇，進(jìn)行高斯似然度計算，對 計算結(jié)果與SVM分類進(jìn)行對比，得到待識別語音的情感類別。
[0020] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)是:采用本發(fā)明的技術(shù)方案，精度高，不受語言語 種控制，處理速度快，能夠進(jìn)行實(shí)時處理。
【附圖說明】
[0021] 下面結(jié)合附圖及實(shí)施例對本發(fā)明作進(jìn)一步描述：
[0022] 圖1為識別語音情感裝置的結(jié)構(gòu)框圖；
[0023]圖2為訓(xùn)練示意圖。
[0024]圖3為識別示意圖。
【具體實(shí)施方式】
[0025] 如圖1所示，一種識別語音情感的裝置，包括，訓(xùn)練部和識別部，訓(xùn)練部用于對預(yù)處 理語音數(shù)據(jù)進(jìn)行語音特征提取，通過特征提取和高斯建模，對高斯建模得到的結(jié)果進(jìn)行SVM 分類；
[0026] 識別部用于識別語音的情感狀態(tài)，對待識別語音進(jìn)行語音特征提取，通過特征選 擇，進(jìn)行高斯似然度計算，對計算結(jié)果與SVM分類進(jìn)行對比，得到待識別語音的情感類別。
[0027] 訓(xùn)練部包括，訓(xùn)練語音數(shù)據(jù)庫、語音特征提取模塊、特征選擇模塊、高斯建模模塊、 SVM分類器。
[0028] 如圖2所示，訓(xùn)練語音數(shù)據(jù)庫，用于訓(xùn)練情感識別方法的語音數(shù)據(jù)，包括多種情感 類型的語音數(shù)據(jù)。假設(shè)我們要識別的情感類型共有N種，那么訓(xùn)練語音數(shù)據(jù)庫中應(yīng)該包含所 有這N種情感類型的語音數(shù)據(jù)。例如，如果我們要識別高興、生氣、傷心、平靜4種情感類型的 話，那么，訓(xùn)練語音庫中應(yīng)該包含與這4種情感類型對應(yīng)的語音數(shù)據(jù)。
[0029] 語音特征提取模塊，用于提取訓(xùn)練語音數(shù)據(jù)庫中每一條語音數(shù)據(jù)的基本聲學(xué)特 征，基本聲學(xué)特征包括基音及其一階、二階差分的統(tǒng)計特征，共振峰及其統(tǒng)計特征，以及 MFCC特征及其統(tǒng)計特征。
[0030] 對每一條語音數(shù)據(jù)，提取的聲學(xué)特征形成一個D維的特征向量，其中D為特征的數(shù) 目F。
[0031] a)對訓(xùn)練語音數(shù)據(jù)庫中的每一條語音數(shù)據(jù)進(jìn)行處理，生成D維的特征向量；
[0032] b)對所有的特征進(jìn)行歸一化。按下式對各個維度k(k=l. . .D)上的特征逐一進(jìn)行 歸一化處理：
[0033]
[0034] 上式中，k表示特征向量的某一個維度，k = l. . .DJk和Λ分別為歸一化前和歸一化 后第k維的特征的數(shù)值。ak、bk表示維度k上的最小值和最大值，即從所有訓(xùn)練語音提取的聲 學(xué)特征向量中第k維特征的最小值和最大值。
[0035] 特征選擇模塊，對任意兩種情感類型進(jìn)行組合，選擇其聲學(xué)特征，得到訓(xùn)練數(shù)據(jù)； 高斯建模模塊，對訓(xùn)練數(shù)據(jù)采用高斯混合模型建模，得到數(shù)據(jù)分布。
[0036] 對任意兩種情感類型進(jìn)行組合，執(zhí)行特征選擇和高斯建模的步驟。假如我們的分 類任務(wù)中包含N種情感類型，那么，組合的數(shù)