基于改進型支持向量機的語音信號情感識別研究

胡明　崔冉　郭健鵬　吳靜然　翟曉東

摘要：語音信號包含了人類豐富的情感信息，本文從離散情感模型出發(fā)，選擇了高興、悲傷、憤怒和害怕4種基本情感作為研究對象，利用螢火蟲算法實現(xiàn)了支持向量機參數(shù)自動尋優(yōu)，從而提高了識別的效率。為了使測試數(shù)據(jù)更據(jù)代表性，選取了中文和德文數(shù)兩種據(jù)庫，400個樣本進行訓(xùn)練和測試。實驗表明，對SVM分類器進行優(yōu)化在一定程度上提高了情感識別率。

關(guān)鍵詞：語音信號;螢火蟲算法;改進的支持向量機;情感識別

中圖分類號：TP18 文獻標(biāo)識碼：A 文章編號：1007-9416（2019）06-0109-02

0 前言

機器情感這一研究領(lǐng)域從提出概念伊始，就伴隨著倫理道德的疑慮。而隨著人工智能技術(shù)的發(fā)展，如何設(shè)計并實現(xiàn)一個具有情感識別的智能機器人顯得尤為重要了。而其關(guān)鍵技術(shù)就是研究情感識別核心算法，不斷提高識別的速度和準(zhǔn)確率。

目前情感識別研究領(lǐng)域中，最主要的途徑就是通過對人的生理信息，例如聲音信號、脈搏信號、腦電信號、面部表情、身體形態(tài)等一種信號分析或多種信號的多模分析，利用識別技術(shù)進行訓(xùn)練學(xué)習(xí)和類型識別判斷。本文主要通過對語音信號的拾取、預(yù)處理、特征提取和類型識別，達到情感識別的目的，這一過程的核心是類型識別，也是近幾年研究最多、成果最豐富的環(huán)節(jié)。本文利用改進的支持向量開展語音信號情感識別的研究，研究思路如圖1所示。

1 語音情感的分類

人類的情感是一個復(fù)雜的系統(tǒng)，屬于心理學(xué)范疇，目前尚無一個統(tǒng)一的、標(biāo)準(zhǔn)的定義。人類的情感是人類對不同物理、事件體現(xiàn)出的反映，再通過人的語音、表情、動作、生理信號等各種外在的方式表達出來。各個國家心理專家、情感識別專家對情感有不同的分類依據(jù)和方法，主要有離散情感模型和緯度情感模型。離散情感模型，將人類的情感分為基本情感和復(fù)雜情感，且復(fù)雜情感是有基本情感的有機組合產(chǎn)生的，因此研究基本情感就顯得尤為重要了。不同的心理學(xué)家將人類的基本情感進行了不同的分類，有的分為高興和悲傷兩種，而其它各種情感均是這兩種情感的不同比例組合而成。而有的專家則將人的基本情感分為3-9種更加細(xì)膩的情感。緯度情感模型，則認(rèn)為人的感情是連續(xù)的，不是離散的，主要有二緯度情感模型和三維度情感模型，每個緯度分為正向積極方向和反向消極方向。本文主要從離散情感模型出發(fā)，重點研究公認(rèn)的幾種基本情感：高興、悲傷、憤怒和害怕。

2 語音情感的數(shù)據(jù)庫樣本選取

語音情感的數(shù)據(jù)庫是分析識別語音情感的前提。因為語言、方言、性別等因素不同，目前尚無公認(rèn)的、統(tǒng)一的、標(biāo)準(zhǔn)語音數(shù)據(jù)庫庫。為了驗證改進型支持向量機的準(zhǔn)確率，本文選取兩種語言的語音情感數(shù)據(jù)庫：EMO-DB數(shù)據(jù)庫和CASIA數(shù)據(jù)庫[1]。

2.1 CASIA數(shù)據(jù)庫

CASIA數(shù)據(jù)庫是一個中文情感數(shù)據(jù)庫，該數(shù)據(jù)庫由中國科學(xué)院錄制，分別錄制了4名人員在6類不同情感（快樂、中性、憤怒、悲傷、害怕、驚訝）下的聲音，采樣頻率16KHz，16位AD采集量化，每種感情保留200句。根據(jù)本文設(shè)計需要，選取其中高興（原數(shù)據(jù)庫中的快樂）、悲傷、憤怒和害怕4類數(shù)據(jù)進行訓(xùn)練和測試，每類選取50句，如表1所示。

2.2 EMO-DB數(shù)據(jù)庫

EMO-DB數(shù)據(jù)庫是一個德語情感數(shù)據(jù)庫，該數(shù)據(jù)庫由柏林工業(yè)大學(xué)建立，是目前國際上相對標(biāo)準(zhǔn)和認(rèn)可的數(shù)據(jù)庫，分別錄制了10名專業(yè)演員在7類不同情感（快樂、中性、憤怒、悲傷、恐懼、無聊、厭惡），共計錄制800句，最終保留535句。根據(jù)本文設(shè)計需要，選取其中高興（原數(shù)據(jù)庫中的快樂）、悲傷、憤怒和害怕（原數(shù)據(jù)庫中的恐懼）4類數(shù)據(jù)進行訓(xùn)練和測試，每類選取50句，如表2所示。

3 語音信號的預(yù)處理

語音信號具有隨著時間變化而變化的特性，而且是不穩(wěn)定的，因此需要對語音信號進行預(yù)處理，從而去除干擾，獲得高質(zhì)量的信號[2]。語音信號的預(yù)處理過程如圖2所示。

考慮到小波變換處理語音信號時存在一定的局限性，本文采取了近期較為常用、不需要事先選定基函數(shù)的EMD算法對語音信號進行預(yù)處理，取得了較好的效果。

4 語音信號情感特征參數(shù)的提取

語音信號中的情感特征參數(shù)是其能表達感情的關(guān)鍵，包含了韻律特征、音質(zhì)特征、基于譜的相關(guān)特征[2]。其中，韻律特征參數(shù)主要有語速、基因頻率及短時能量，而音質(zhì)特征參數(shù)主要有共振峰、聲門參數(shù)，基于譜的相關(guān)特征參數(shù)主要有線性譜特征和倒譜特征。我們主要研究了梅爾頻率倒譜系數(shù)（MFCC），基音周期，共振峰參數(shù)，短時過零率，短時能量，能量抖動參數(shù)，時域及頻域能量，平均功率，語速等參數(shù)，并通過對這些參數(shù)的分析，分別計算了它們的統(tǒng)計學(xué)特征，包括平均值、中位值、標(biāo)準(zhǔn)差、最小值、最大值、方差、變化率、一階差分等。

5 改進的支持向量機算法對語音信號情感的分類識別

5.1 螢火蟲算法優(yōu)化支持向量機參數(shù)

螢火蟲算法（Firefly Algorithm，F(xiàn)A）是由Xin-she Yang教授于2008年提出的一種十分新穎的生物群智能優(yōu)化算法，算法的靈感來源于對螢火蟲群體行為的簡化和模擬，一經(jīng)提出就吸引了國內(nèi)外大量學(xué)者的關(guān)注，是優(yōu)化算法研究領(lǐng)域的熱點之一[3]。本文選取FA算法對SVM的關(guān)鍵參數(shù)進行優(yōu)化，建立FA-SVM模型[4]，主要流程如圖3所示。

5.2 情感分類結(jié)果分析

本文將從EMO-DB數(shù)據(jù)庫和CASIA數(shù)據(jù)庫中選取關(guān)于高興、憤怒、悲傷、害怕等四類情感各50個，合計400個數(shù)據(jù)分別在SVM和FA-SVM模型中訓(xùn)練和測試，識別結(jié)果統(tǒng)計如表3所示。

通過對表3的橫向和縱向進行分析，可以得出，經(jīng)過改進的支持向量機FA-SVM針對語音信號的情感識別率，比未經(jīng)過優(yōu)化的支持向量機的識別率有明顯的改善，尤其是憤怒的識別最高，提高了11.1%，而高興、 悲傷、害怕分別有4.1%、7.6%、5.6%的效果改善。

參考文獻

[1] 王艷，胡維平.基于BP特征選擇的語音情感識別[J].微電子學(xué)與計算機，2019，36（5）：14-18.

[2] 李曉琴.基于支持向量機的語音情感識別[D].吉林：哈爾濱理工大學(xué)，2018.

[3] 臧睿，李晶.基于維度加權(quán)的改進螢火蟲算法[J].計算機科學(xué)，2017，44（6A）：123-125.

[4] 曾建梅.改進的支持向量機用于脈搏信號的情感識別研究[D].吉林：重慶理工大學(xué)，2016.