语音情感常用特征识别性能分析

《语音情感常用特征识别性能分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、语音情感常用特征识别性能分析摘要：在语音情感识别中，情感特征的选取与组合是重要环节。在包含6种情感的普通话情感语料库中，选取了一些常用的情感特征：Mel频率倒谱系数、基频、短时平均幅度能量、短时过零率和第一共振峰等，进行提取并计算得到12个统计量，最后利用基于支持向量机（SVM）的语音情感识别系统进行分类。实验结果表明该方法得到了较高的平均情感识别率，且情感特征的选取、抽取及建模是合理、有效的。同时，得到不同有效的语言情感特征的识别贡献率并对其进行排序。在传统语音情感识别研究中采用定性的情感特征识别分析，而该文采用定量

2、的情感特征识别分析，为今后语音情感识别的相关研究特供了重要参考价值与帮助。中国8/vie　　关键词：语音情感识别；语音情感特征的选取；定量的情感特征识别分析；支持向量机　　中图分类号：TP311文献标识码：A：1009-3044（2017）04-0173-02　　1背景　　语音是人们交流的主要方式，语音信号不仅传递语义信息，同时承载了说话人的情感状态。情感因素的引入能使人机交互变得更加自然和谐。因此，语音信号的情感识别成为近年来智能人机交互领域的研究热点[1]。如何使计算机从语音信号中自动识别出说话人的情感状态及其变化

3、，是实现自然人机交互界面的关键前提，具有很大的研究价值和应用价值[3]。例如：可以用于对电话服务中心用户紧急程度的分拣，从而提高服务质量；用于对汽车驾驶者的精神状态进行监控，从而在驾驶员疲劳时进行提醒，避免交通事故的发生[4]。　　2语音情感识别系统结构　　本文的语音情感识别系统结构如图1所示，每个步骤之间通过样本数据进行关联。情感特征的提取，计算12个统计量参数和SVM建模是其中的关键环节。　　3语音情感特征的提取　　3.1MFCC特征　　MFCC通过构造人的听觉模型，以语音通过该模型的输出为声学特征，直接通过DFT

4、（离散傅里叶变换）进行变换，将频谱最终转化为倒谱域上的系数[6]，具有较好的识别性能和抗噪能力，它的值大体上对应于实际频率的对数分布关系，具体关系可用式（1）表示：　　3.2基音频率特征　　基音是指发浊音时声带振动所引起的周期性。声带振动频率称为基频。本文采用短时自相关函数来检测基音：　　3.3能量特征　　语音信号的能量特征与情感的表达具有较强相关性[7-8]。语音信号能量通常有短时能量和短时平均能量两类。由于短时能量计算量较大且对高电平敏感，本文采用短时平均函数。　　假设第n帧语音信号[xnm]的短时平均函数为[En

5、]，则[En]的估计表达式为：　　3.4短时过零率　　短时过零率表示一帧语音中语音信号波形穿过横轴（零电平）的次数。它可以用来区分清音和浊音，这是因为语音信号中的高频段有高的过零率，低频段过零率较低。加窗后第n帧语音信号[xnm]的短时过零率为：　　3.5共振峰特征　　共振峰是指在声音的频谱中能量相对集中的一些区域，不但是音质的决定因素，而且反映了声道（共振腔）的物理特征，代表了发音信息最直接的来源。本文采用线性预测法求取了第一共振峰。　　4SVM分类模型的构建　　SVM是建立在结构风险最小化准则的基础上的，它根据有限

6、的样本信息，通过对推广误差上界的最小化达到最大的泛化能力。对于线性可分的样本空间，该算法寻找最优分类超平面，能够同时最小化经验误差与最大化几何边缘区，最优分类超平面能够尽可能多地将两类样本正确地分离，同时使分离的两类样本距离超平面最远，这是一个受限的二次规划问题求解。　　对于非线性可分的问题，支持向量机的基本思想是：利用核函数将输入特征的样本点映射到高维特征空间中，数据被超平面分割，在高维空间中变得线性可分，核函数以及超平面的构造是解决非线性可分问题的关键。核函数的形式及其参数的确定决定分类器类型和复杂程度。最优分类超

7、平面保证不同类别能够正确分类，以使经验风险最小；保证分类间隔达到最大，以使置信度最小。　　设有两类样本数据为（xi，yi），i=1，2，…，L，x∈Rd，y∈{+1，-1}是类别标号，SVM需要解决下列优化问题：　　其中：行预处理、分帧和加窗，再基于各语音分析帧提取声学特征。　　本文实验的仿真实验环境为MATLAB2012a。选取的情感特征为MFCC、基频、短时平均能量、短时过零率和第一共振峰。为了降低不同人在表达不同情感时的个人差异造成的影响，本文实验过程中将提取的情感特征进行归一化处理。归一化采取将同一个人的四种情

8、感语音信号的情感特征放在一起归一化处理，并将归一化后的情感特征作为SVM分类器的训练样本和测试样本。