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，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了支持向量機參數自動尋優，從而提高了識別的效率。為了使測試數據更據代表性，選取了中文和德文數兩種據庫，400個樣本進行訓練和測試。實驗表明，對SVM分類器進行優化在一定程度上提高了情感識別率。

關鍵詞：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的發展，如何設計并實現一個具有情感識別的智能機器人顯得尤為重要了。而其關鍵技術就是研究情感識別核心算法，不斷提高識別的速度和準確率。

目前情感識別研究領域中，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、身體形態等一種信號分析或多種信號的多模分析，利用識別技術進行訓練學習和類型識別判斷。本文主要通過對語音信號的拾取、預處理、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、成果最豐富的環節。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雜的系統，屬于心理學范疇，目前尚無一個統一的、標準的定義。人類的情感是人類對不同物理、事件體現出的反映，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雜情感，且復雜情感是有基本情感的有機組合產生的，因此研究基本情感就顯得尤為重要了。不同的心理學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種更加細膩的情感。緯度情感模型，則認為人的感情是連續的，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，重點研究公認的幾種基本情感：高興、悲傷、憤怒和害怕。

2 語音情感的數據庫樣本選取

語音情感的數據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，目前尚無公認的、統一的、標準語音數據庫庫。為了驗證改進型支持向量機的準確率，本文選取兩種語言的語音情感數據庫：EMO-DB數據庫和CASIA數據庫[1]。

2.1 CASIA數據庫

CASIA數據庫是一個中文情感數據庫，該數據庫由中國科學院錄制，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。根據本文設計需要，選取其中高興（原數據庫中的快樂）、悲傷、憤怒和害怕4類數據進行訓練和測試，每類選取50句，如表1所示。

2.2 EMO-DB數據庫

EMO-DB數據庫是一個德語情感數據庫，該數據庫由柏林工業大學建立，是目前國際上相對標準和認可的數據庫，分別錄制了10名專業演員在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。根據本文設計需要，選取其中高興（原數據庫中的快樂）、悲傷、憤怒和害怕（原數據庫中的恐懼）4類數據進行訓練和測試，每類選取50句，如表2所示。

3 語音信號的預處理

語音信號具有隨著時間變化而變化的特性，而且是不穩定的，因此需要對語音信號進行預處理，從而去除干擾，獲得高質量的信號[2]。語音信號的預處理過程如圖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的EMD算法對語音信號進行預處理，取得了較好的效果。

4 語音信號情感特征參數的提取

語音信號中的情感特征參數是其能表達感情的關鍵，包含了韻律特征、音質特征、基于譜的相關特征[2]。其中，韻律特征參數主要有語速、基因頻率及短時能量，而音質特征參數主要有共振峰、聲門參數，基于譜的相關特征參數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（MFCC），基音周期，共振峰參數，短時過零率，短時能量，能量抖動參數，時域及頻域能量，平均功率，語速等參數，并通過對這些參數的分析，分別計算了它們的統計學特征，包括平均值、中位值、標準差、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 螢火蟲算法優化支持向量機參數

螢火蟲算法（Firefly Algorithm，FA）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，一經提出就吸引了國內外大量學者的關注，是優化算法研究領域的熱點之一[3]。本文選取FA算法對SVM的關鍵參數進行優化，建立FA-SVM模型[4]，主要流程如圖3所示。

5.2 情感分類結果分析

本文將從EMO-DB數據庫和CASIA數據庫中選取關于高興、憤怒、悲傷、害怕等四類情感各50個，合計400個數據分別在SVM和FA-SVM模型中訓練和測試，識別結果統計如表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，比未經過優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，2018.

[3] 臧睿，李晶.基于維度加權的改進螢火蟲算法[J].計算機科學，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，2016.