孙志锋

（陕西师范大学 计算机科学学院，陕西 西安　710062）

基于ABC优化MVDR的语音情感识别研究

孙志锋

（陕西师范大学 计算机科学学院，陕西 西安710062）

语音情感特征的提取和选择是语音情感识别的关键问题，针对线性预测（LP）模型在语音情感谱包络方面存在的不足。本论文提出了最小方差无失真响应（MVDR）谱方法来进行语音情感特征的提取；并通过人工蜂群（ABC）算法找到最优语音情感特征子集，消除特征冗余信息；利用径向基函数（RBF）神经网络对CASIA汉语情感语料库中的4种情感语音即生气、平静、高兴、害怕进行实验识别。实验结果表明，该方法比线性预测法有更高的识别率和更好的鲁棒性。

最小方差无失真响应；人工蜂群算法；语言情感识别；线性预测

人类说话除了表达基本的文字信息以外，还表达了说话人的情感和情绪等信息。所以，我们可以依据语音来识别人类的情感。语音情感识别主要包括情感特征参数的提取、选择和识别，其中情感特征的好坏直接影响着情感识别的识别率，所以好的情感特征提取与选择算法能够实时地、高效地反映情感状态特征。

在特征参数提取技术方面，最常用的是用于计算全极点参数的线性预测（LP）谱，该谱能较好地表征频谱的峰值信息，然而对其它信息忽略过多，导致不能很好地表征语音情感谱包络，最终使得语音情感识别率较低。最小方差无失真响应（MVDR）谱最早由Capon提出［1］，并被Lacoss证明它提供了对一个信号谱成分的最小方差无失真估计［2］，当前该方法在阵列信号处理方面得到了广泛的应用。……