杨 彦 ，王 浩，赵 力*

(1.盐城纺织职业技术学院，江苏 盐城 650500;2.东南大学信息科学与工程学院，南京 210096)

耳语语音是人们常见的语言交流方式之一，在会场、音乐厅、图书馆等禁止大声喧哗的场所被广泛应用，如公共办公环境下的听写机，这时耳语音输入方式更为合适;在移动通信系统广泛发展的今天，人们也常常采用耳语的方式来保证通话的保密性并防止打扰他人。因此，耳语音的研究具有广泛的应用前景［1－4］。与正常语音一样，人们在用耳语音交流时，也可以从耳语语音中感受到说话人所带有的情感信息。正常语音的情感计算早在上世纪90年代就已经展开，并且随着情感研究的深入，正常语音的情感特征分析与识别得到了很大的发展［5］，而且为语音识别和语音合成等研究提供了新的思路和方法。然而，目前笔者还没有发现专门研究耳语语音情感信息处理的资料。耳语语音作为一种常见而特殊的语音信号，对其情感信息处理技术的研究应该说与正常语音同样重要。

本文提出了一种基于改进混合蛙跳算法的支持向量机SVM(Support Vector Machine)［6－7］的耳语情感语音识别方法。标准的SVM 的训练算法涉及到求解线性约束的二次规划问题。二次规划问题求解受存储器容量和计算量的限制，当训练数集规模很大时，分类速度会受到很大影响，甚至无法完成。混合蛙跳算法SFLA(Shuffled Frog Leaping Algorithm)［8］是2000年由Eusuff和Lansey 提出的一种基于群体智能的优化算法，根据全局信息交换和局部深度搜索的平衡策略来找到最优解［9－10］。……