基于LS-SVM的情感語音識別

周 慧，魏霖靜

（甘肅農(nóng)業(yè)大學 信息科學技術(shù)學院，甘肅 蘭州 730070）

隨著計算機技術(shù)的發(fā)展，傳統(tǒng)的計算機已不能滿足人們?nèi)找嬖鲩L的需求，如何讓計算機和人的交流不僅能體現(xiàn)基本的信息，還能識別人類豐富的情感是是當前國內(nèi)外眾多領(lǐng)域研究的熱點問題。

目前，很多的方法被使用到情感語音的識別中。如文獻[1]利用神經(jīng)網(wǎng)絡，文獻[2]利用特征空間分解方法，文獻[3]實現(xiàn)了利用KNN方法的情感語音的識別。文中利用LS-SVM分類，實現(xiàn)了對4種基本情感的分類識別。

1 LS-SVM基本理論

LS-SVM最小二乘支持向量機是標準SVM的一種推廣形式，它具有SVM的優(yōu)點，也具有自身的特點。其基本理論如下[4-5]：

假設(shè)訓練樣本集為（xi，yi），i=1，2，3，…，n，xi∈Rn為訓練樣本的輸入，yi∈R為訓練樣本的輸出。利用一非線性映射將樣本從原空間映射 φ（·）到高維特征空間 φ（xi），在高維特征空間中構(gòu)造最優(yōu)決策函數(shù)：

利用結(jié)構(gòu)風險最小化原則，尋找（1）式中的最優(yōu) ω和b值：

上式中：‖ω‖2為控制模型的復雜度，C為正規(guī)化參數(shù)，Remp為損失函數(shù)ε，也稱為經(jīng)驗風險。損失函數(shù)ε的不同，支持向量機模型就不同。在最小二乘支持向量機中損失函數(shù)ε，即Remp=。

基于結(jié)構(gòu)風險最小化原則來確定決策函數(shù)最優(yōu)ω和b值可轉(zhuǎn)換為求解以下最優(yōu)解：

利用拉格朗日方法求解這個優(yōu)化問題：

根據(jù)優(yōu)化條件：

得到函數(shù)的估計為：

其中核函數(shù)K（xi，xj）=φ（xi）·φ（xj），從而優(yōu)化問題轉(zhuǎn)變?yōu)榫€性方程組的解：

得到非線性決策函數(shù)：

2 情感語音分類及數(shù)據(jù)庫的建立

人類的情感是一個復雜且不容易準確描述的問題，至今也沒有一種統(tǒng)一的定義。文中作為初步探索，將情感種類按常見的4種分類憤怒，高興，中性，悲傷劃分，并邀請4名學生在誘惑情感的情況下錄制了20句實驗語音。

3 情感特征參數(shù)的提取

情感語音信號的特征參數(shù)涉及到時域、頻域、倒譜域及統(tǒng)計等方面，文中選取了短時能量，基頻相關(guān)參數(shù)，語速，共振峰作為特征[6-7]。

3.1 短時能量

語音信號的能量是隨時間的變化而變化的，在語音信號中的清音和濁音之間能量差別是顯著的。根據(jù)語音信號自身非平穩(wěn)，準周期等特點，對語音信號分幀加窗后來計算10～30 ms時間內(nèi)的能量。

設(shè)初始的語音信號為x（l），進行分幀后得到第n幀的語音信號為xn（m），則第n幀的語音信號的短時能量En可以表示為：

上式中的N為窗長。

文中得到的不同情感的平均短時能量關(guān)系為：憤怒（0.16）>高興（0.08）>悲傷（0.04）>中性（0.01）。

3.2基 頻

發(fā)出的聲音可分為清音和濁音。當發(fā)出濁音的時候由于聲帶振動而引起的振動頻率稱為基頻，語音中的基頻直接決定了語音中音調(diào)的高低。不同情感下語音的基頻差異也很大。對于基頻的獲取，可以采用多種方法。如自相關(guān)法，小波變換法，線性預測殘差倒譜法等等，不同的方法有缺點也不同。文中選取了比較典型的自相關(guān)方法提取相關(guān)語音的基頻。

3.3語 速

語速，指發(fā)音的速度。無外界因素時，每一個人的語速是基本恒定的。當有外界因素的影響時，語速就會變的不穩(wěn)定，加快或者放慢。根本上來講，語速的變化實際上是不同情感的一種體現(xiàn)。憤怒時語速加快，悲傷時語速就會自然的變慢。在實驗中，可用下列公式來描述語速：

3.4 共振峰

在語音學中，可以用來描述人類聲道共振現(xiàn)象。當元音激勵進入聲道時會引起共振特性，產(chǎn)生一組共振頻率，這就是共振峰，一般包括共振峰頻率位置和頻帶寬度。同一個說話人攜帶不同情感說話時的共振峰差異也是明顯的，因此語音信號的前3～4個共振峰也經(jīng)常用作情感識別的特征參數(shù)。

4 基于LS-SVM的情感語音識別

在最小二乘支持向量機分類時，要對核函數(shù)進行選取。文中采用了徑向基函數(shù)（RBF）核函數(shù)，利用交叉驗證的方法確定其中的兩個參數(shù)。

圖1 情感語音識別原理圖Fig.1 Schematic diagram of emotional speech recognition

文中將錄制的情感語音數(shù)據(jù)進行了預處理，然后提取出了相應的情感特征參數(shù)，并將特征參數(shù)實現(xiàn)數(shù)據(jù)的歸一化處理。隨機抽取80%的數(shù)據(jù)樣本，建立基于LS-SVM的分類識別模型，并進行了集內(nèi)測試和集外測試。

表1 情感語音識別結(jié)果Tab.1 Results of emotional speech recognition

5 結(jié)束語

文中利用LS-SVM實現(xiàn)了4種基本情感分類的情感語音識別，從識別率來看，基本情感在集內(nèi)測試中識別率高。但在整個的實驗過程中還是存在著不足，比如訓練和測試中高興和憤怒的情感特征區(qū)分度相對其他情感較低，因此增加情感的分類和特征的表示還是今后需要研究的重點。

[1]石瑛，胡學鋼.基于神經(jīng)網(wǎng)絡的語音情感識別[J].計算機工程與應用，2008，44（24）：191-193.

SHIYing，HU Xue-gang.Research ofspeech emotion recognition based on acoustic features and ann[J].Computer Engineeringand Applications，2008，44（24）：191-193.

[2]黃程韋，金赟，王青云，等.基于特征空間分解與融合的語音情感識別[J].信號處理，2010，26（6）：835-839.

HUANG Cheng-wei，JIN Yun，WANG Qing-yun，et al.Speech emotion recognition based on decomposition[J].Signal Proce-ssing，2010，26（6）：835-839.

[3]Lee C M.Classifying emotions in human-machine spoken dialogs [C]//Multimedia and Expro Proceeding.2002 IEEE International Conference，2002：737-740.

[4]YANG Hong，LOU Fei，XU Yu-ge，et al.GA Based LS-SVM Classifier for Waste Water Treatment Process[C]//Proc.of the 27th Chinese Control Conference，2008（7）：436-439.

[5]Adankon M M，Cheriet M.Model Selection for the LS-SVM.Application to Handwriting Recognition[J].Pattern Recognition，2009（42）：3264-3270.

[6]楊行峻，遲惠生.語音信號數(shù)字處理[M].北京：電子工業(yè)出版社，1995.

[7]余伶俐，蔡自興，陳明義.語音信號的情感特征分析與識別研究綜述[J].電路與系統(tǒng)學報，2007，12（4）：76-82.

YU Ling-li，CAI Zi-xing，CHEN Ming-yi.Study on emotion feature analysis and recognition in speech signal：an overview[J].Journal of Circuits and Systems， 2007，12（4）：76-82.

[8]李鋒，袁軍社.BP神經(jīng)網(wǎng)絡在結(jié)構(gòu)邊界參數(shù)識別中的應用[J].火箭推進，2009（4）：30-33.

LI Feng，YUAN Jun-she.Application of BP neural network in characteristics identification of frame structure[J].Journal of Rocket Propulsion，2009（4）：30-33.