一种基于语音模糊聚类的情感识别方法技术

本发明专利技术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。本发明专利技术的方法包括：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；本发明专利技术的有益效果为，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。本发明专利技术尤其适用于语音智能情感识别。

【技术实现步骤摘要】
一种基于语音模糊聚类的情感识别方法
本专利技术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。
技术介绍
随着人工智能的发展，情感智能跟计算机技术结合产生了情感计算这一崭新的研究课题。语言是人类交流的重要的工具，人类说话中不仅包含了文字符号信息，而且还包含了情感信息。对语音情感信息处理，在信号处理和人工智能领域中具有重要的意义。在语音情感识别领域中，许多专家学者做了大量的研究工作，包括建立一个标准的语音情感库，语音特征提取，分类识别方法研究。在语音情感特征选择中，前人也做了很多研究，但没有指出识别具体情感的具体特征有哪些。由于语音情感本身具有模糊性，所以一部分专家学者试着用模糊聚类的方法进行语音情感识别，但他们的研究中使用的是同一种特征对多类情感进行识别，识别效果并不理想。许多聚类算法基于欧氏或者马氏距离度量来决定聚类，基于这样的距离度量的算法趋向于发现具有相近尺度和密度的球状簇。但是，一个情感簇可能是任意形状的，因此目前采用的聚类算法不能很好的识别语音类别。
技术实现思路
本专利技术所要解决的，就是针对传统技术存在的上述问题，提出一种基于语音模糊聚类的情感识别方法。本专利技术解决上述技术问题所采用的技术方案是：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；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；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；e.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。具体的，步骤b中提取的特征信息中，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；具体的，步骤c中所述多类情感为4类，分别为高兴、生气、悲伤和平静，其具体的分组方法为两两分组，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。具体的，步骤d中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，uik表示第k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,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U。具体的，步骤e的具体方法为：e1.根据步骤d中求得的隶属矩阵U求每一组中样本的置信度wij，e2.定义每一组中两分类样本的判决结果Cij，Cij＝wij.I，I＝+1，-1，其中I＝+1表示样本判断为两类分类中的第一个类别，I＝－1表示判断为另一个类别，将6组情感分类分别送入6个分类器进行判决输出；e3.通过相关译码计算，相关计算式子为RT＝CT.I6×4，其中C为6个分类器的输出结果组成一个列向量，是四类情感六种组合的分类码字矩阵，其中R＝{r1,r2,…rn}；e4.判断识别结果，用i*表示样本被识别出的情感类别的标号，其中i*＝argmax{ri}。本专利技术的有益效果为，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。附图说明图1是本专利技术的语音情感识别流程图；图2是本专利技术的判决识别流程图。具体实施方式下面结合附图和实施例，详细描述本专利技术的技术方案：实施例：本例基于柏林语音情感库(Emo-DB)选择高兴、生气、悲伤、平静四类情感进行语音情感识别；如图1所示，本例包括以下步骤：S1：语音预处理预处理包括预加重和加窗分帧。预加重处理：预加重的目的是使信号的频谱变得平坦,保持从低频到高频的整个频带中,能用同样的信噪比求频谱,以便于频谱分析或声道参数分析。预加重一般是采用一阶的数字滤波器H(z)＝1-αz-1，其中α为预加重系数，本例中α取0.9。原始语音信号S经过预加重滤波后得到x(l)。分帧：将语音用长度为23ms的汉明窗进行分帧，一段语音信号分帧后得到N帧信号，每一帧可以看作一个样本。信号x(l)加窗处理后变为xn(m)，公式如下：xn(m)＝w(m)x(n+m)0≤m≤N-1(1)汉明窗：S2：特征提取本例用voicebox提取短时语音特征及相关特征的变形，voicebox是基于MATLAB语言的一个语音处理工具箱。所提取的特征包括梅尔倒谱系数(MFCC)、基音、共振峰、短时能量。梅尔倒谱系数(MFCC)：梅尔倒谱系数是基于人耳的听觉特性提出的，它采用一种非线性的频率单位(Mel频率)来模拟人的听觉系统。实验发现,在1000Hz以下，感知能力与频率成线性关系，而1000Hz以上，感知能力则与频率成对数关系。所以对不同的频率有不同本文档来自技高网...

【技术保护点】
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； 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； 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； e.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。

【技术特征摘要】
1.一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...

【专利技术属性】
技术研发人员：周代英，谭发曾，贾继超，田兵兵，谭敏洁，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51