张雪英，张 婷，孙 颖，张 卫

(太原理工大学 信息与计算机学院，山西 晋中 030600)

语音作为人类日常交流的主要方式，其中所携带的情感信息越来越受到研究者的重视。情感语音识别在人机交互、模式识别和人工智能等领域具有广泛应用前景，开展情感语音识别研究对于人类社会的进步与发展具有重要意义[1]。在语音情感识别研究中，提高识别率主要有两个研究方向[2]。一是改进情感语音特征的提取方式或者选取方式；在情感语音识别中，常用的声学特征一般包括有声学参数的统计特征、时序特征等[3]。二是改进分类方法或者选取更适合的分类方法；在情感识别方法的研究上，多种模式识别的分类方法均可用于情感识别[4]：如人工神经网络ANN(artificial neural network)[5]、隐马尔科夫模型HMM(hidden markov models)、高斯混合模型GMM(gaussian mixture models)、支持向量机SVM(support vector machines)等。相较于其他模式识别算法，SVM是在结构风险最小化原则上建立起来的，而且可以克服小样本数据和非线性问题，具有良好的情感分类能力。近年来，SVM 被广泛应用于语音情感识别中，是一种有效的语音情感识别分类器[6]。

本文在TYUT2.0情感语音数据库的基础上，提出了声学特征与情感语音PAD数据相结合的级联分类方法。首先根据前期PAD标注实验的数据结果[7]，将4类情感中混淆度高的情感按照愉悦度值高低划分为2类，其次在此基础上使用SVM识别网络分别识别高低愉悦度的情感，然后在已区分高低愉悦度的基础上再次使用SVM识别网络，最终实现对4种情感的分类……