一種基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種航天應(yīng)激環(huán)境下的基于短時(shí)記憶權(quán)重融合的語(yǔ)音情感識(shí)別方法。本發(fā)明根據(jù)心理學(xué)中的短時(shí)記憶遺忘規(guī)律,提取語(yǔ)音幀的回憶正確率的先驗(yàn)概率；回憶正確率的先驗(yàn)概率,與調(diào)節(jié)系數(shù)共同構(gòu)成幀的重要性權(quán)重；基于各幀的重要性權(quán)重,計(jì)算語(yǔ)音段的判決融合權(quán)重；各語(yǔ)音段進(jìn)行情感識(shí)別；根據(jù)判決融合權(quán)重,進(jìn)行情感融合,獲得最終的識(shí)別結(jié)果。本發(fā)明的方法可以有效地提高與文本相關(guān)的說(shuō)話(huà)人識(shí)別系統(tǒng)的識(shí)別正確率，此外系統(tǒng)對(duì)噪聲也具有較好的魯棒性。
【專(zhuān)利說(shuō)明】一種基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種語(yǔ)音情感識(shí)別方法，特別涉及一種航天應(yīng)激環(huán)境下的基于短時(shí)記憶權(quán)重融合的語(yǔ)音情感識(shí)別方法。
【背景技術(shù)】
[0002]在航天特殊環(huán)境中，人員的情緒穩(wěn)定和客觀測(cè)評(píng)具有重要的意義。在封閉空間、失重環(huán)境和長(zhǎng)時(shí)間枯燥作業(yè)的情況下，容易誘發(fā)煩躁等應(yīng)激語(yǔ)音情感。
[0003]傳統(tǒng)的語(yǔ)音情感自動(dòng)識(shí)別技術(shù)主要包括兩個(gè)層次：一是采用語(yǔ)音信號(hào)中的何種特征作為情感識(shí)別，也就是情感特征提取的問(wèn)題，一是如何將特定的語(yǔ)音數(shù)據(jù)進(jìn)行分類(lèi)，也就是模式識(shí)別的問(wèn)題。
[0004]在語(yǔ)音信號(hào)中，情感的表達(dá)并不總是十分明顯的。不同的情感可以具有相似的特征，不同的說(shuō)話(huà)人可以存在較大的個(gè)體差異，這對(duì)情感特征的研究造成了較大的困難，甚至是對(duì)人耳聽(tīng)辨也造成了很大的困難。在語(yǔ)音情感的自動(dòng)識(shí)別中一個(gè)極為重要的問(wèn)題就是尋找情感在特征空間中的一個(gè)清晰的表達(dá)，也就是需要進(jìn)行情感特征的提取和優(yōu)化。
[0005]情感建模是語(yǔ)音情感識(shí)別中的一個(gè)基本問(wèn)題。我們可以采用心理學(xué)理論中的情感類(lèi)別模型或者維度空間模型對(duì)情感進(jìn)行建模。情感類(lèi)別模型將情感區(qū)分為互不相同的類(lèi)另O，是一種離散模型。維度空間模型將情感視為多維空間中的連續(xù)變量，是一種連續(xù)模型。高斯混合模型，是近年來(lái)在語(yǔ)音情感識(shí)別中取得較高識(shí)別性能的一種方法。由于高斯混合模型對(duì)數(shù)據(jù)的擬合能力較強(qiáng)，因此可能在語(yǔ)種識(shí)別、說(shuō)話(huà)人識(shí)別、語(yǔ)音情感識(shí)別等“個(gè)體差異”較大的數(shù)據(jù)類(lèi)型上的學(xué)習(xí)能力較強(qiáng)。然而高斯混合模型的缺點(diǎn)也是受制于訓(xùn)練數(shù)據(jù)，成功建立情感模型需要有充足的訓(xùn)練數(shù)據(jù)。

【發(fā)明內(nèi)容】

[0006]本發(fā)明針對(duì)應(yīng)激航天環(huán)境中連續(xù)語(yǔ)音情感識(shí)別的需求，設(shè)局部情感識(shí)別與全局情感識(shí)別結(jié)合的識(shí)別方法。提出一種嵌入短時(shí)記憶遺忘曲線的語(yǔ)音情感識(shí)別方法，其主要技術(shù)步驟為：
[0007]根據(jù)心理學(xué)中的短時(shí)記憶遺忘規(guī)律，提取語(yǔ)音幀的回憶正確率的先驗(yàn)概率；回憶正確率的先驗(yàn)概率，與調(diào)節(jié)系數(shù)共同構(gòu)成幀的重要性權(quán)重；基于各幀的重要性權(quán)重，計(jì)算語(yǔ)音段的判決融合權(quán)重；各語(yǔ)音段進(jìn)行情感識(shí)別；根據(jù)判決融合權(quán)重，進(jìn)行情感融合，獲得最終的識(shí)別結(jié)果。
[0008](1)從短時(shí)記憶遺忘規(guī)律曲線中提取出回憶正確率的先驗(yàn)概率。
[0009](1-1)對(duì)短時(shí)記憶遺忘曲線進(jìn)行抽樣，抽樣間隔時(shí)間為t，0〈t〈18s;
[0010](1-2)獲得k個(gè)抽樣值d (k)，作為回憶正確率的先驗(yàn)概率。
[0011](2)通過(guò)回憶正確率的先驗(yàn)概率與主觀調(diào)節(jié)系數(shù)，獲得時(shí)域幀的重要性權(quán)重。
[0012](2-1)設(shè)置主觀調(diào)節(jié)系數(shù)r，r的參考值為1，可以在（0，I]范圍內(nèi)動(dòng)態(tài)調(diào)節(jié)；
[0013](2-2)通過(guò)乘性關(guān)系獲得時(shí)域幀的重要性權(quán)重f(n)=rXd(k)，其中η為幀序列。越接近末尾的幀回憶正確率越高，權(quán)重越高，18秒以外的幀回憶正確率為零，對(duì)應(yīng)的重要性權(quán)重也為零。
[0014](3)分割連續(xù)語(yǔ)音信號(hào)，構(gòu)成情感識(shí)別單元。
[0015](3-1)將連續(xù)的語(yǔ)音信號(hào)分割為小于18s的單元，單元的持續(xù)長(zhǎng)度參考值為2s到9s。分割方法以自然停頓和音節(jié)為分界線。
[0016](3-2)逐幀提取語(yǔ)音段的特征，包括基音、強(qiáng)度、共振峰等聲學(xué)參數(shù)。
[0017](4)根據(jù)每幀的重要性權(quán)重，求出情感識(shí)別單元的融合權(quán)重。
[0018](4-1)對(duì)第(3)步驟中分割得到的m個(gè)語(yǔ)音段s(i)，i=l，2，…m，分別提取各自的幀序列對(duì)應(yīng)的幀的重要性權(quán)重A (n)；
[0019](4-2)計(jì)算每個(gè)語(yǔ)音段s (i)的融合權(quán)重
【權(quán)利要求】
1.一種基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法，其特征在于包括以下步驟: 步驟1，從短時(shí)記憶遺忘規(guī)律曲線中提取出回憶正確率的先驗(yàn)概率； 步驟2，通過(guò)回憶正確率的先驗(yàn)概率與主觀調(diào)節(jié)系數(shù)，獲得時(shí)域幀的重要性權(quán)重； 步驟3，分割連續(xù)語(yǔ)音信號(hào)，構(gòu)成情感識(shí)別單元； 步驟4，根據(jù)每幀的重要性權(quán)重，求出情感識(shí)別單元的融合權(quán)重； 步驟5，對(duì)各情感識(shí)別單元進(jìn)行語(yǔ)音情感識(shí)別。
2.根據(jù)權(quán)利要求1所述的基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法，其特征在于，所述步驟I具體包括以下步驟: 步驟1-1，對(duì)短時(shí)記憶遺忘曲線進(jìn)行抽樣，抽樣間隔時(shí)間為t，0〈t〈18s; 步驟1-2，獲得k個(gè)抽樣值d (k)，作為回憶正確率的先驗(yàn)概率；
3.根據(jù)權(quán)利要求1所述的基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法，其特征在于，所述步驟2具體包括以下步驟: 步驟2-1，設(shè)置主觀調(diào) 節(jié)系數(shù)r，r的參考值為1，可以在(O，I]范圍內(nèi)動(dòng)態(tài)調(diào)節(jié)； 步驟2-2，通過(guò)乘性關(guān)系獲得時(shí)域幀的重要性權(quán)重f(n)=rXd(k)，其中n為幀序列；越接近末尾的幀回憶正確率越高，權(quán)重越高，18秒以外的幀回憶正確率為零，對(duì)應(yīng)的重要性權(quán)重也為零；
4.根據(jù)權(quán)利要求1所述的基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法，其特征在于，所述步驟3具體包括以下步驟: 步驟3-1，將連續(xù)的語(yǔ)音信號(hào)分割為小于18s的單元，單元的持續(xù)長(zhǎng)度參考值為2s到9s ;分割方法以自然停頓和音節(jié)為分界線； 步驟3-2，逐幀提取語(yǔ)音段的特征，包括基音、強(qiáng)度、共振峰等聲學(xué)參數(shù)。
5.根據(jù)權(quán)利要求1所述的基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法，其特征在于，所述步驟4具體包括以下步驟: 步驟4-1，對(duì)權(quán)利要求1所述的步驟3中分割得到的m個(gè)語(yǔ)音段s (i)，i=l, 2，…m，分別提取各自的幀序列對(duì)應(yīng)的幀的重要性權(quán)重A (n)； 步驟4-2，計(jì)算每個(gè)語(yǔ)音段s (i)的融合權(quán)重w(i)= Xjm
6.根據(jù)權(quán)利要求1所述的基于短時(shí)記憶權(quán)重融合的航天應(yīng)激情感識(shí)別方法，其特征在于，所述步驟5具體包括以下步驟: 步驟5-1，對(duì)訓(xùn)練數(shù)據(jù)采用高斯混合模型對(duì)語(yǔ)音段進(jìn)行情感建模，獲得概率分布模型；步驟5-2，對(duì)輸入數(shù)據(jù)進(jìn)行基于貝葉斯準(zhǔn)則的情感識(shí)別，獲得每段情感識(shí)別單元s (i)的情感矢量e (i) = [e (i，I)，e (i, 2)，…，e (i, p)],p為情感類(lèi)別數(shù)量； 步驟5-3，依據(jù)融合權(quán)重w(i)，對(duì)各情感識(shí)別單元進(jìn)行判決融合，最終的情感輸出為E=w(I) Xe (I)+w(2) Xe ⑵+…+w(m) Xe(m)。
【文檔編號(hào)】G10L25/63GK103531208SQ201310534910
【公開(kāi)日】2014年1月22日 申請(qǐng)日期:2013年11月1日 優(yōu)先權(quán)日:2013年11月1日
【發(fā)明者】黃程韋, 王峻, 吳斌, 秦海波, 趙力, 魏昕, 王浩 申請(qǐng)人:東南大學(xué)