一種基于語音模糊聚類的情感識別方法
【專利摘要】本發(fā)明涉及語音情感識別技術(shù)，具體的說是涉及一種基于語音模糊聚類的情感識別方法。本發(fā)明的方法包括：對輸入的語音信號進行預(yù)處理；提取處理后的語音信號的特征信息；將多類情感進行分組，并根據(jù)多類情感分組后的類型分別選取相應(yīng)的特征信息；根據(jù)每一組情感類組合選取的特征信息分別進行分類處理；根據(jù)每一組情感類組合分類后的輸出結(jié)果進行語音情感識別；本發(fā)明的有益效果為，通過不同情感選取不同的特征，用改進的自適應(yīng)模糊K均值聚類方法比傳統(tǒng)方式所有情感用同一種特征的FCM方法的識別效果要好很多，并且識別率更高，效果更好。本發(fā)明尤其適用于語音智能情感識別。
【專利說明】一種基于語音模糊聚類的情感識別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及語音情感識別技術(shù)，具體的說是涉及一種基于語音模糊聚類的情感識別方法。

【背景技術(shù)】
[0002]隨著人工智能的發(fā)展,情感智能跟計算機技術(shù)結(jié)合產(chǎn)生了情感計算這一薪新的研究課題。語言是人類交流的重要的工具，人類說話中不僅包含了文字符號信息，而且還包含了情感信息。對語音情感信息處理，在信號處理和人工智能領(lǐng)域中具有重要的意義。在語音情感識別領(lǐng)域中，許多專家學(xué)者做了大量的研究工作，包括建立一個標準的語音情感庫，語音特征提取，分類識別方法研究。在語音情感特征選擇中，前人也做了很多研究，但沒有指出識別具體情感的具體特征有哪些。由于語音情感本身具有模糊性，所以一部分專家學(xué)者試著用模糊聚類的方法進行語音情感識別，但他們的研究中使用的是同一種特征對多類情感進行識別，識別效果并不理想。許多聚類算法基于歐氏或者馬氏距離度量來決定聚類，基于這樣的距離度量的算法趨向于發(fā)現(xiàn)具有相近尺度和密度的球狀簇。但是，一個情感簇可能是任意形狀的，因此目前采用的聚類算法不能很好的識別語音類別。


【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的，就是針對傳統(tǒng)技術(shù)存在的上述問題，提出一種基于語音模糊聚類的情感識別方法。
[0004]本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案是:一種基于語音模糊聚類的情感識別方法，其特征在于，包括以下步驟:
[0005]a.對輸入的語音信號進行預(yù)處理；所述預(yù)處理包括預(yù)加重濾波和加窗分幀，將語音信號分為N幀，其中N為大于I的正整數(shù)；
[0006]b.提取處理后的語音信號的特征信息；所述特征信息包括梅爾倒譜系數(shù)、基音、共振峰和短時能量；
[0007]c.將語音信號與特征信息進行組合后輸入多個分類器進行分類處理；所述分類器至少包含2種情感類別且每個分類器包含的情感類別不完全相同；所述語音信號與特征信息進行組合的具體方式為，根據(jù)將要輸入的分類器所包含的情感類別，語音信號選取不同的特征信號構(gòu)成特征信息向量X，其中X的行向量為每一幀語音信號選取的特征信息，其列向量為幀數(shù)N;
[0008]d.分別對每一個分類器進行分類處理，得出語音信號與該組分類器中情感類別的隸屬度；具體的分類方法為采用自適應(yīng)模糊K均值算法；
[0009]e.根據(jù)每一個分類器輸出的隸屬度結(jié)果進行語音情感識別；具體的識別方法為將所有輸出結(jié)果組成超矢量，對超矢量進行譯碼后輸出判斷的識別結(jié)果。
[0010]具體的，步驟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；所述短時能量為短時能量最小值；
[0011]具體的，步驟c中所述多類情感為4類，分別為高興、生氣、悲傷和平靜，其具體的分組方法為兩兩分組，共分為六組，第一組為高興/生氣、第二組為高興/悲傷、第三組為高興/平靜、第四組為生氣/悲傷、第五組為生氣/平靜、第六組為悲傷/平靜；每一組提取使該組中兩類情感達到最優(yōu)的特征信息數(shù)，然后將每一組的特征信息組成特征信息序列集X，其中特征信息X的行向量是從一幀語音信號中得到，列的大小是一段語音的幀數(shù)；其中，每一組特征信息具體為，第一組提取的特征信息為梅爾倒譜系數(shù)、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；第二組提取的特征信息為梅爾倒譜系數(shù)、第一共振峰最小值、第三共振峰均值、基音最小值、基音方差；第三組提取的特征信息為梅爾倒譜系數(shù)、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；第四組提取的特征信息為梅爾倒譜系數(shù)、第一共振峰最大值、第三共振峰最大值、基音均值、短時能量最小值；第五組提取的特征信息為梅爾倒譜系數(shù)、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；第六組提取的特征信息為梅爾倒譜系數(shù)、第一共振峰方差、第二共振峰最大值、第三共振峰均值、短時能量最小值。
[0012]具體的，步驟d中所述采用自適應(yīng)模糊K均值算法進行分類的具體方法為:
[0013]將自適應(yīng)模糊K均值算法的目標函數(shù)定義為

【權(quán)利要求】
1.一種基于語音模糊聚類的情感識別方法，其特征在于，包括以下步驟: a.對輸入的語音信號進行預(yù)處理；所述預(yù)處理包括預(yù)加重濾波和加窗分幀，將語音信號分為N幀，其中N為大于I的正整數(shù)； b.提取處理后的語音信號的特征信息；所述特征信息包括梅爾倒譜系數(shù)、基音、共振峰和短時能量； c.將語音信號與特征信息進行組合后輸入多個分類器進行分類處理；所述分類器至少包含2種情感類別且每個分類器包含的情感類別不完全相同；所述語音信號與特征信息進行組合的具體方式為，根據(jù)將要輸入的分類器所包含的情感類別，語音信號選取不同的特征信號構(gòu)成特征信息向量X，其中X的行向量為每一幀語音信號選取的特征信息，其列向量為幀數(shù)N ； d.分別對每一個分類器進行分類處理，得出語音信號與該組分類器中情感類別的隸屬度；具體的分類方法為采用自適應(yīng)模糊K均值算法； e.根據(jù)每一個分類器輸出的隸屬度結(jié)果進行語音情感識別；具體的識別方法為將所有輸出結(jié)果組成超矢量，對超矢量進行譯碼后輸出判斷的識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于語音模糊聚類的情感識別方法，其特征在于，步驟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；所述短時能量為短時能量最小值。
3.根據(jù)權(quán)利要求2所述的一種基于語音模糊聚類的情感識別方法，其特征在于，步驟c中所述分類器為6個，每一個分類器包含2種共4類情感類別，分別為高興、生氣、悲傷和平靜，采用兩兩分組法分組，共分為六組，第一組為高興/生氣、第二組為高興/悲傷、第三組為高興/平靜、第四組為生氣/悲傷、第五組為生氣/平靜、第六組為悲傷/平靜；每一組情感類別對應(yīng)一個分類器；每一組提取使該組中兩類情感達到最優(yōu)的特征信息數(shù)，然后將每一組的特征信息組成特征信息序列集X，其中特征信息向量X的行向量是從一幀語音信號中得到，列的大小是一段語音的幀數(shù)；其中，每一組特征信息具體為，第一組提取的特征信息為梅爾倒譜系數(shù)、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；第二組提取的特征信息為梅爾倒譜系數(shù)、第一共振峰最小值、第三共振峰均值、基音最小值、基音方差；第三組提取的特征信息為梅爾倒譜系數(shù)、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；第四組提取的特征信息為梅爾倒譜系數(shù)、第一共振峰最大值、第三共振峰最大值、基音均值、短時能量最小值；第五組提取的特征信息為梅爾倒譜系數(shù)、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；第六組提取的特征信息為梅爾倒譜系數(shù)、第一共振峰方差、第二共振峰最大值、第三共振峰均值、短時能量最小值。
4.根據(jù)權(quán)利要求3所述的一種基于語音模糊聚類的情感識別方法，其特征在于，步驟d中所述采用自適應(yīng)模糊K均值算法進行分類的具體方法為: 將自適應(yīng)模糊K均值算法的目標函數(shù)定義為:./(足i/，F(xiàn)，⑷=其中，2i=i k=\M-為 A =|x, -Vfit = {xk-vf A1Ixt -Vi), \<i<c,l<k<N , X 為特征信息序列集，U 為隸屬度矩陣，V為聚類中心矩陣，A為C類的范數(shù)誘導(dǎo)大矩陣，N為特征信息個數(shù)，即樣本數(shù)，C為聚類種類數(shù)，m為模糊加權(quán)指數(shù)，Uij表示第j個樣本對于第i情感類的隸屬度函數(shù)值，Vi為某一情感類的中心，即是一個聚類中心矢量，xk為某一種特征信息向量，Ai為某一類的局部范數(shù)誘導(dǎo)矩陣；為達到分類的目的，需要使目標函數(shù)J最小，通過循環(huán)迭代計算，當(dāng)隸屬矩陣穩(wěn)定的時候就是目標函數(shù)最小的時候，設(shè)置隸屬矩陣容錯門限為ε，初始的隸屬矩陣可以隨機選??；所述循環(huán)迭代計算包括以下步驟: 第一步:計算聚類中心
第二步:計算聚類協(xié)方差矩陣
第三步:計算馬氏距離，DiI1.= 1? - Vi Il^ = (xk - ViY Ai (Xk - V1.), l</<rj</c< N，其中，
，I Ai I = P i, P > O, P i 為控制局部聚類參數(shù)； 第四步:更新隸屬度矩陣，
I為循環(huán)的迭代次數(shù)； 循環(huán)結(jié)束條件為I lum-ud-1)! I≤ε ;分別將每一組的特征信息X按上述循環(huán)迭代計算進行處理得到每一組的穩(wěn)定隸屬矩陣U。
5.根據(jù)權(quán)利要求4所述的一種基于語音模糊聚類的情感識別方法，其特征在于，步驟e中的具體方法為: el.根據(jù)步驟d中求得的隸屬矩陣U求每一組中樣本的置信度
e2.定義每一組中兩分類樣本的判決結(jié)果Cij, Cij = Wij.1, I = +1, -1,其中I = +1表示樣本判斷為兩類分類中的一個類別，I =一 I表示判斷為另一個類別，將6組情感分類分別送入6個分類器進行判決輸出； e3.通過相關(guān)譯碼計算，相關(guān)計算式子為Rt = CT.16x4，其中C為6個分類器的輸出結(jié)果?且成的一個列向
。是四類情感六種?且合的分類碼字矩陣，其中R =Ir1, r2,...rj ； e4.判斷識別結(jié)果,用i*表示樣本被識別出的情感類別的標號，其中i* = argmax {rj。
【文檔編號】G06K9/62GK104077598SQ201410299493
【公開日】2014年10月1日 申請日期:2014年6月27日 優(yōu)先權(quán)日:2014年6月27日
【發(fā)明者】周代英, 譚發(fā)曾, 賈繼超, 田兵兵, 譚敏潔 申請人:電子科技大學(xué)