基于谱特征和ELM的语音情感识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110827857A(43)申请公布日2020.02.21(21)申请号201911189489.0(22)申请日2019.11.28(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室(72)发明人张健沛史芝欣杨静王勇(51)Int.Cl.G10L25/63(2013.01)G10L25/18(2013.01)G10L25/24(2013.01)G10L25/27(2013.01)G10L25/45(2013.01)G10L15/02(2006.01)权利要求书1页说明书7页附图3页(54)发明名称基于谱特征和ELM的语音情感识别方法(57)摘要本发明提供的是一种基于谱特征和ELM的语音情感识别方法。原始语音信号进行基本特征提取包括韵律特征、音质特征；利用Teager能量算子TEO算法提取梅尔频率倒谱系数MFCC和耳蜗滤波倒谱系数CFCC，二者加权得到teCMFCC特征，并与基本特征值进行融合，构建特征矩阵；用Fisher准则和相关分析对特征进行选择降维，保留语音信号的个性特征；建立极限学习机ELM决策树模型，完成语音情感识别分类。本发明强调了语音信号的非线性特征，具有很好的鲁棒性，在中国科学院自动化研究所录制的CASIA中文情感语料库上进行实验，验证提出的基于谱特征和ELM的语音情感识别算法对中文语音信号具有很好的分类识别精度。CN110827857ACN110827857A权利要求书1/1页1.一种基于谱特征和ELM的语音情感识别方法，其特征是：(1)对原始语音信号进行特征提取获得基本特征值，所述特征包括韵律特征和音质特征；(2)利用Teager能量算子算法在Mel标度频域提取梅尔频率倒谱系数MFCC和耳蜗滤波倒谱系数CFCC，得到teMFCC特征值和teCFCC特征值；(3)对teMFCC特征值和teCFCC特征值加权得到teCMFCC特征值，并与基本特征值进行融合，构建特征矩阵；(4)用Fisher准则和相关分析对特征进行选择降维，去除相关互联的冗余特征，提取具有表示情绪能力的情感特征；(5)提出极限学习机-决策树模型进行语音情感识别分类决策任务，最终实现较精确的目标分类识别。2.根据权利要求1所述的基于谱特征和ELM的语音情感识别方法，其特征是：所述韵律特征包括基频、短时平均能量、短时平均振幅、静音时间比、短时平均过零率、语速，所述音质特征包括共振峰频率、呼吸音、响度。3.根据权利要求1所述的基于谱特征和ELM的语音情感识别方法，其特征是：在步骤(2)中，将语音信号通过一个高通滤波器，包括预加重、分帧、加窗函数，对每一帧信号进行FFT变换，计算功率谱，进行TEO变换；得到变换后的TEO系数；将每帧信号的TEO系数经过快速傅里叶变换FFT得到离散频谱，然后计算功率谱；将此功率谱通过MFCC滤波器组滤波，计算对数功率谱；将对数功率谱经过离散余弦变换DCT得到teMFCC特征值。4.根据权利要求3所述的基于谱特征和ELM的语音情感识别方法，其特征是：步骤(2)中将语音信号通过耳蜗滤波器组实现听觉变换，计算功率谱；进行内毛细胞函数变换，将变换后的功率谱值进一步提取TEO系数；将变换得到的TEO系数进行非线性变换；进行DCT变换得到teCFCC特征值。5.根据权利要求4所述的基于谱特征和ELM的语音情感识别方法，其特征是：在步骤(3)中，teCMFCC＝0.6×teMFCC+0.4×teCFCC。6.根据权利要求5所述的基于谱特征和ELM的语音情感识别方法，其特征是：在步骤(4)中利用fisher准则对特征优劣进行排序，然后对其进行相关分析，设置门限值δ为0.78，剔除冗余特征。7.根据权利要求6所述的基于谱特征和ELM的语音情感识别方法，其特征是：在步骤(5)中ELM的激活函数用的sigmoid函数S(x)＝1/1+e-x，实际输出和期望输出之间的误差为：οj表示网络输出层的实际值，tj表示网络输出层的预期值。8.根据权利要求7所述的基于谱特征和ELM的语音情感识别方法，其特征是：步骤(5)中是基于二元决策树分层识别，基于一类情绪与其他类别情绪之间的混淆程度，两组之间的混淆程度为其中Dij代表现有的情绪标记组，DL1,L2表示两组之间混淆程度的平均值。2CN110827857A说明书1/7页基于谱特征和ELM的语音情感识别方法技术领域[0001]本发明涉及的是一种语音情感识别方法，具体地说是一种基于倒谱特征(cepstral-basedspectralfeature)的语音情感识别方法。背景技术[0002]1997年，美国麻省理工学院的Picard教授提出了情感计算(Affectiv