一种基于改进Fukunage-koontz变换的语音情感识别方法

摘要

本发明公开了一种基于改进Fukunage-koontz变换(FKT)的语音情感识别方法，利用本发明变换可以有效实现特征降维，在降维过程中，考虑到语音内部流形结构，引入可以描述帧间关联性的参数τ，在计算特征协方差时进行加权，从而寻找降维后具有最大最小方差的特征，并且以方差为分类判别信息，采用k近邻识别方法实现多种语音情感识别。与已有的同类识别方法相比，本发明能有效提高识别率。

主权项

1.一种基于改进Fukunage-koontz变换的语音情感识别方法，其步骤为： 建立特征提取分析模块、改进Fukunage-koontz变换、情感识别模块;特征提取分析模块包括提取线性预测倒谱系数、Mel倒谱系数;(1)线性预测倒谱系数 (1-1)将原始语音信号经高通滤波器预处理； (1-2)分帧，加窗； (1-3)按照Durbin快速算法求出p阶线性预测系数a₁，a₂，…，a_p； (1-4)根据计算线性预测系数复倒谱(1-5)计算线性预测倒谱系数； (2)Mel倒谱系数 (2-1)将实际频率尺度转换为Mel频率尺度； (2-2)在Mel频率轴上配置L个通道的三角形滤波器组，每个三角形滤波器的中心频率在Mel频率轴上等间隔分配，第l个三角形滤波器的下限o(l)、中心c(l)和上限频率h(l)与其相邻滤波器关系如下； c(l)＝h(l-1)＝o(l+1)    (式1) (2-3)对语音信号幅度谱|X_n(k)|求出每个三角形滤波器输出； (2-4)对所有滤波器输出做对数运算，然后余弦变换，得到Mel倒谱系数； (3)改进Fukunage-koontz变换 (3-1)将(1)(2)中全部特征提取完毕后，组成特征矢量序列； (3-2)构建Fukunage-koontz变换目标函数：对两种类别的零均值样本集X＝(x₁，x₂，…x_n)，Y＝(y₁，y₂，…y_m)，x_i，y_i∈R^K;寻找变换矩阵Φ，使得满足： Φ^TR_XΦ＝Λ，Φ^TR_YΦ＝I-Λ    (式2) (式3)其实现可以在低维空间(k＜K)中通过协方差阵的特征值寻找分类判别信息，等价于：Φ^TR_YΦ＝I    (式4)(3-3)将变换后采样的协方差可看成是映射点对的距离和，并引入进行加权；(式5)(式6)其中τ是针对语句的段特性所设置的参数，目的是体现语句内部帧间结构;(3-4)将(式5)(式6)代入(式4)，得到改进Fukunage-koontz变换目标函数； (式7)其中D^P＝diag(d₁^P，d₂^P，…，d_r^P)，P＝{X，Y}；矩阵W^X第i行 第j列元素为矩阵W^Y第i行第 j列元素为;(3-5)计算W^X、W^Y、D^X、D^Y，令(3-6)对求特征值矩阵D和特征向量矩阵U，令(3-7)令求的特征向量矩阵V；(3-8)Φ＝PV，(4)情感识别 (4-1)从情感语句库中选取高兴、生气、悲伤、恐惧、惊讶五类情感各N_i条 语句作为训练样本，(4-2)将第i类情感所有训练语句所提取特征矢量看为X，其余情感所有训练语句所提取特征矢量看为Y，按照(3-5)～(3-8)中步骤降维，得到降维后特征矢量(4-3)将前r行方差和后r行方差作为新特征矢量训练样本集，r＝2；(4-4)对待识别语句，按照(3-8)中所得Φ降维，求出降维后特征前r行方差和后r行方差构成新特征矢量，采用k近邻法找出其在(4-3)样本集中的k个近邻，选择具有最多近邻所对应情感为识别结果； (4-5)按(4-2)～(4-4)作出5类情感的识别器。