支持向量機在語音情感識別中的應用

文/潘濤 王勝利

1 前言

語音是人類進行高效復雜信息交換的最重要通道，語音情感識別是人工智能技術的核心領域之一。情感語音當中可以提取多種聲學特征，用以反映說話人的心理情感特征行為等特點。然而在過去幾十年里，如何高效地從語音信號中的識別情感特征已成為研究熱點話題。

語音信號中的情感信息處理因為涉及到不同語種之間的差異，發展也不盡相同。英語、德語等語種的語音情感分析處理都有較多的研究，而漢語語音的情感分析處理研究起步較晚。情感信息有一個重要的心理特點就是文化依賴性，各國各民族各地區文化習慣不同，表達信息的方式也會不同。所以，本文筆者在前人研究的基礎上，利用MATLAB 編程，開展了模擬仿真訓練識別語音情感信息的研究，將對在日常教學中提高學生實踐能力起到一定的推動作用。

2 支持向量機應用于語音情感識別

支持向量機是由Vapnik 等人提出的一種機器學習的算法，它是建立在統計學習理論和結構風險最小化的基礎之上。大量研究表明，支持向量機算法是一種非常有效的學習方法，它能夠在高維特征空間得到優化的泛化界的超平面，能夠使用核動技術從而避免局部最小，通過間隔和限制支持向量的個數控制容量來防止過擬合。支持向量機在語音情感識別中存在天然的工作優勢，適合于小樣本數據的訓練。

基于支持向量機的語音情感識別流程如圖1所示。整體流程分為兩個階段，在模型訓練階段，對于輸入計算機的語音信號，經過預處理中的預加重、分幀加窗等操作后，進行特征提取，再使用支持向量機進行分類訓練，得到支持向量機分類模型；在模型識別階段，對于輸入待識別的計算機語音信號，經過預處理、特征提取等操作，最后經過模型識別得到最終的識別結果。

圖1：基于支持向量機的語音情感識別流程

在本文中，筆者需要對生氣、高興、中性、悲傷、害怕等五種基本情感進行識別。在模型的訓練過程中，我們考慮到有兩種訓練策略，第一種是采取“一對一”的方法進行模型訓練，它的問題很明顯，訓練的模型比較多。如果需要識別n 種情感，那么就需要建立n(n-1)/2 個模型。第二種是采取“一對多”的方法進行模型訓練，它的不足在于對于前期數據的預處理比較繁瑣。

3 仿真結果

根據支持向量機分類原理，筆者編寫了MATLAB 函數，采用“一對多”的方法，進行語音情感識別。函數定義格式為rate=svmc lassfiction(samples,test)，samples、test 是 輸 入參數，其中samples 是測試樣本數據，test 是測試樣本數據；rate 是輸出參數，表示五種基本情感的識別率。以下是本文中編程實驗的部分核心代碼：

圖2：基于支持向量機的語音情感識別率

識別效果如圖2所示。

4 結論

本文通過基于支持向量機的語音情感建模，最終得到了其相應的情感識別結果。實驗表明，在情感語音數據較少的情況下，筆者采用的方法對于相應的教學實踐環節來說還是一個比較可行的方法。