| 主权项 |
一种基于模糊支持向量机的汉语语音情感识别方法，其特征在于：包括以下步骤：（1）、提取汉语语音训练样本的情感特征；选取语音情感训练样本集S={S1, S2, S3},其中Si(i=1,2,3)是第i粗分类样本集合,提取样本情感粗分类的全局统计音质特征，提取汉语语音训练样本的情感特征，选择愤怒、高兴、悲伤、害怕、厌恶、惊奇等6种常见的语音情感构成训练样本集S={S1, S2, S3},其中Si(i=1,2,3)是第i粗分类样本集合；采用与说话人和文本内容无关的74个全局统计特征作为汉语语音情感识别的音质特征：特征1‑10：短时能量及其差分的均值、最大值、最小值、中值、方差；特征11‑25：基音及其一阶、二阶差分的均值、最大值、最小值、中值、方差；特征26：基音范围；特征27‑36：发音帧数、不发音帧数、不发音帧数和发音帧数之比、发音帧数和总帧数之比、发音区域数、不发音区域数、发音区域数和不发音区域数之比、发音区域数和总区域数之比、最长发音区域数、最长不发音区域数；特征37‑66：第一、第二、第三共振峰及其一阶差分的均值、最大值、最小值、中值、方差；特征67‑69：250Hz以下能量百分比、650Hz以下能量百分比、4kHz以上能量百分比；特征70‑74：谐波噪声比的均值、最大值、最小值、中值、方差；由于细分类的情感识别只和一部分特征参数相关度较高，为了降低算法复杂程度，采用PCA降维处理将74个粗分类特征降维到10个细分类特征；（2）、采用模糊支持向量机进行分类和识别，采用模糊支持向量机进行分类和识别时，所述模糊支持向量机采用径向基核函数：<img file="dest_path_image002.GIF" wi="160" he="48" />并使用模糊因子<i>u</i><sub>i,j</sub>控制不同样本和噪声对分类的影响，所述模糊因子<img file="dest_path_image004.GIF" wi="141" he="50" />，其中<img file="dest_path_image006.GIF" wi="25" he="26" />代表样本<img file="dest_path_image008.GIF" wi="32" he="26" />∈S<sub>i</sub>的特征向量到特征向量中心F<sub>i</sub>的欧氏距离，此处，特征向量中心F<sub>i</sub>代表每一个粗分类的特征均值，计算语音样本情感特征的特征向量中心<img file="dest_path_image010.GIF" wi="18" he="25" />的过程为：首先对处在不同量级和单位的特征参数进行归一化处理，然后计算每一粗分类或细分类特征的均值，构成分特征向量中心<img file="70060dest_path_image010.GIF" wi="18" he="25" />；（3）、进行汉语语音情感识别，进行汉语语音情感识别：对愤怒、高兴、悲伤、害怕、厌恶、惊奇6种常见的语音情感分类进行识别，包括两个阶段：第一阶段为情感的粗分类阶段，提取基音范围、平均基音值、基音变化和声音强度，使用模糊支持向量机,把6种情感分为:C1 (愤怒和高兴)、C2 (悲伤和害怕)和C3 (厌恶和惊奇)三大粗分类；第二阶段为情感的细分类阶段，增加类内情感的区分特征值，再次使用模糊支持向量机对大类内部进行更细的划分，从而达到识别每种情感的目的。 |
