一种用于语音情感识别的自学语谱图特征提取方法

摘要

本发明公开了一种用于语音情感识别的自学语谱图特征提取方法，首先对已知情感的标准语料库中的语音进行预处理，得到量化后的语谱图灰度图像；然后计算所得到的语谱图灰度图像的Gabor语谱图；再采用可辨别特征学算法对提取到的LBP统计直方图进行训练，构建不同尺度、不同方向下的全局显著性模式集合；最后采用全局显著性集合对语音不同尺度、不同方向下Gabor图谱的LBP统计直方图进行特征选择，得到处理后的统计直方图，将N个统计直方图级联，得到适合情感分类的语音情感特征。本发明提出的情感特征可以较好地识别不同种类的情感，识别率显著优于现有的声学特征。

主权项

一种用于语音情感识别的自学习语谱图特征提取方法，其特征在于：包括以下步骤：(1)、对已知情感的标准语料库中的语音进行预处理，得到量化后的语谱图灰度图像；(2)、计算步骤(1)所得到的语谱图灰度图像的Gabor语谱图；(3)、采用可辨别特征学习算法对步骤(2)提取到的LBP统计直方图进行训练，构建不同尺度、不同方向下的全局显著性模式集合，记为(4)、采用步骤(3)中的全局显著性模式对语音不同尺度、不同方向下Gabor图谱的LBP统计直方图进行特征选择，得到处理后的统计直方图$f_{map}^1,f_{map}^2,...,f_{map}^N,$将N个统计直方图级联$\widehat{f_{map}}=[f_{map}^1,f_{map}^2,...,f_{map}^N],$得到适合情感分类的语音情感特征。