基于模糊K近邻的语音情感识别

吕志浩+马赫+鲁润南

摘 要 随着计算机技术的不断发展，语音情感识别成为人工智能领域的研究热点。语音情感识别包括语音信号预处理、特征参数提取和情感识别分类器等。本文着重对语音情感的特征提取方法与特征计算的分类进行研究，采用对情感语音进行预处理，包括抗混叠滤波、预加重、加窗以及端点检测等，对高兴、愤怒和悲伤3种语音情感提取短时能量、过零率、短时幅度以及MFCC等参数，根据柏林情感语音库中的90句情感语音，使用模糊K近邻算法对语音的3种情感进行识别。

关键词 语音情感；特征提取；模糊K近邻算法

中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2016）172-0279-02

K近邻算法运用统计学的方式，即“物以类聚”的简便方式将待测样本与训练样本中K个距离权重最近的类别分为一种类别[ 1 ]。这种方式简单快捷，易于实施，但也存在相应不足之处，譬如，需要计算所有待测样本进入决策，存在一定决策风险与冗余度大的缺点，为突破以往的K近邻算法的瓶颈，下面提出一种基于模糊集理论K近邻算法进行整改，并通过Matlab 2014软件进行实验仿真的方式验证其在语音情感特征提取的作用。

1 K近邻分类算法以及模糊集理论

1.1 K近邻分类算法

K近邻（K-Nearest Neighbor， KNN）算法基本原理较为简便[ 2 ]，即在一个多维度空间内Rn内，计算待测样本中的矩阵数据x，依次与该空间内的其他已训练好的样本数据求距离，而后选取数值K个样本点，各不同训练样本比较距离值的大小，则待测样本的类别就被分类在距离值最多的那一类中来。

5）然后再利用FKNN进行识别分类。

2 基于FKNN 的语音情感识别实验

首先介绍一下实验环境：笔记本电脑4G/2G，Windows7系统/Matlab2014，所选语音数据库为柏林语音情感库（16kHz 16Bit量化的单声道wav格式）。各分为3类语句：高兴、悲伤、愤怒各30段不同语句的语音段。实验选取3种情感分类（高兴、悲伤、愤怒），分别对3种感情进行短时特征参数的提取。

2.1 实验过程

该实验的特征参数提取大致流为：读取语音文件，通过加汉明窗分帧，计算短时能量、幅度、过零率。使用Matlab 2014对样本语音进行特征提取并记录相关统计结果进行分析，而后对每一样本进行训练，提取其参数结果。

2.2 实验结果分析

实验对比了未改进的KNN算法与改进后的FKNN算法分别采用两种实验，其中K的取值不同。具体结果如图1所示。

3 结论

通过图表分析可得通过改进后的算法对语音情感的提取更为准确，可以提到2个百分点。随着k值得增大，识别的效果越好，当然所需时间也增加。整个识别过程中不管是KNN还是FKNN对愤怒识别率都较其他情感高。总体来说，模糊K近邻算法在考虑到各参数对语音情感提取的权重不同进行合理了的“协调”使得实验结果更加令人满意。

参考文献

[1]王吉林，夏菽兰，赵力.基于模糊K近邻的模糊支持向量机的语音情感识别[J].微电子学与计算机，2014（4）.

[2]Hui Wang.Nearest neighbors by neighborhood counting. Pattern Analysis and Machine Intelligence， IEEE Transactions on .2006.

[3]韩文静，李海峰，阮华斌，等.语音情感识别研究进展综述[J].软件学报，2014，25（1）：37-50.

[4]金鑫.浅谈情感模型及建模方法研究[J].科技创新与生产力，2015（11）：55-56.