【摘要】 本发明提供了一种非特定人语音情感识别方法及系统，其中该方法包括：提取待识别语音信号中用于识别情感副语言的语音特征；提取待识别情感语音信号的声学语音情感特征；对所述基于情感副语言的情感识别通道和基于声学语音情感特征的情感识别通道的识别结果进行融合，得出待识别情感语音信号所包含的情感状态。本发明利用情感副语言特征受说话人变化的影响比较小的特点，从情感语音信号中提取反应情感信息的情感副语言，用情感副语言包含的情感信息来辅助传统的声学语音情感特征进行情感识别，从而达到提高语音情感识别鲁棒性和识别率的目的。 【专利类型】发明授权 【申请人】江苏大学 【申请人类型】学校 【申请人地址】212013 江苏省镇江市京口区学府路301号 【申请人地区】中国 【申请人城市】镇江市 【申请人区县】京口区 【申请号】CN201210321785.3 【申请日】2012-09-03 【申请年份】2012 【公开公告号】CN102881284B 【公开公告日】2014-07-09 【公开公告年份】2014 【授权公告号】CN102881284B 【授权公告日】2014-07-09 【授权公告年份】2014.0 【IPC分类号】G10L15/02; G10L15/06; G10L25/63 【发明人】毛启容; 赵小蕾; 詹永照; 白李娟; 王治锋; 杨华宇 【主权项内容】1.一种非特定人语音情感识别方法，其特征在于，所述方法包括：S01.建立基于情感副语言的语音情感识别通道，包括：S011.建立情感语料库，使其中语音信号样本涉及的情感中的每种情感至少有15个语料，每个语料包含至少一种或多种情感副语言；所述情感副语言包括笑声、伤心的哭声、害怕的哭声、质疑声、急促的喘息声、无奈的叹息声、哀怨的叹息声以及叫喊声；S012.对所述语音信号样本进行预处理，包括预加重、加窗处理、分帧、端点检测；S013.在所述语音信号样本中提取用于识别所述情感副语言的语音特征；S014.训练基于情感副语言的情感状态识别模型；S015. 建立基于情感副语言的情感状态识别模型，基于情感副语言的情感状态识别模型中包括情感副语言识别模型集和情感副语言与情感类别之间的映射关系模型，用于识别情感副语言，以及情感副语言所对应的情感类别和该情感类别的置信度，并得到所述基于情感副语言的语音情感识别通道的识别结果；所述情感类别包括高兴、悲伤、害怕、惊讶、厌恶、愤怒，所述情感副语言与情感类别之间的映射关系具体为“笑声”对应“高兴”情感类别，“伤心的哭声”对应“悲伤”情感类别，“害怕的哭声”对应“害怕”情感类别，“质疑声”对应“惊讶”情感类别，“急促的喘息声”，对应 “害怕”情感类别，“无奈的叹息声”对应“厌恶”情感类别，“哀怨的叹息声”对应“悲伤”情感类别，“叫喊声”对应“愤怒”情感类别；S02.建立基于声学语音情感特征的语音情感识别通道，包括：S021.采用S011所建立的情感语料库；S022.对所述语音信号样本进行预处理，包括预加重、加窗处理、分帧、端点检测；S023.对预处理后的语音信号提取声学语音情感特征；S024.训练基于声学语音情感特征的语音情感状态识别模型；S025.建立基于声学语音情感特征的语音情感状态识别模型，当待识别语音信号经过训练好的基于声学语音情感特征的语音情感识别模型，得到所述基于声学语音情感特征的语音情感识别通道识别结果；所述情感类别包括高兴、悲伤、害怕、惊讶、厌恶和愤怒；S1. 提取待识别语音信号中用于识别情感副语言的语音特征，输入基于情感副语言的情感状态识别模型，得出待识别语音信号所包含的情感副语言，并根据情感副语言与情感类别之间的对应关系，推测出基于情感副语言的语音情感识别通道的情感识别结果：待识别语音信号所包含的情感类别以及相应的概率；所述情感副语言包括笑声、伤心的哭声、害怕的哭声、质疑声、急促的喘息声、无奈的叹息声、哀怨的叹息声以及叫喊声； S2. 提取待识别情感语音信号的声学情感特征，输入基于声学语音情感特征的语音情感状态识别模型，得出基于声学语音情感特征的语音情感识别通道的识别结果：待识别语音信号所包含的情感类别以及相应的概率；S3. 对所述基于情感副语言的语音情感识别通道和基于声学语音情感特征的语音情感识别通道的识别结果进行融合，得出待识别情感语音信号所包含的情感状态。。 【当前权利人】江苏大学 【当前专利权人地址】江苏省镇江市京口区学府路301号 【专利权人类型】公立 【统一社会信用代码】123200004660115453 【被引证次数】1 【被他引次数】1.0 【家族引证次数】4.0 【家族被引证次数】48

未经允许不得转载：http://www.zhongzhencnc.com/1790923861.html