基于粗糙集的语音情感分类的决策方法.pdfVIP

维普资讯 基于粕糙集的语音情感分类的决策方法 戴 云 ，徐 安 ，陆孟和 侗 济大学 电子与信息工程学院，上海 201804) 摘 要 ：文章首先分析 了语音信号中与情感有关的振幅、基频及共振峰 系的参数组和提取方法， 以此构造决策表 ，通过粗糙集的方法对表 中数据进行处理，获取参数的重要度 ，并建立适合语音信号 的粗糙集分类规则。将规则应用于实例进行测试 ，验证 了方法的有效性。 关键词 ：语音信号；情感识别；粗糙集 ；遗传算法 中图分类号 ：TP391．4 文献标识码 ：A 文章编号 ：1002—6487(2008)15—0056—02 音信号的振幅波动则反映了语音能量的大小变化目。 0 弓I言 语音信号虽然具有非平稳、时变、离散性大、信息量大等 特点，但在一个短时间范围内其特性基本保持不变 ，通常在 语言作为人类交流的一种媒介，除了其本身所蕴含的语 10～30ms之 内保持相对平稳 ，故一般采用 “短时分析技术 ”进 义 内容 ，也 同时包含人 内心的情感 内容，这种情感内容是听 行参数的提取，即在提取前先需用可移动的有限长窗与信号 者能体验和感知的。同样 ，语音信号作为人机交互手段之一， 进行加权处理 。提取基音频率可采用短时平均幅度差函数 其 中也包含和传载着情感方面 的信息。所 以，包含在语音信 (AMDF)的方法进行估计 ，而共振峰频率则可 以用线性预测 号中的情感信息的计算机处理研究在人机交互领域亦显得 法 (LPC)求得预测参数 ，并构造全极模型，通过求根可确定共 十分重要 。目前对于情感识别 的研究主要侧重于语音情感参 振峰 的大小 。 数提取方法 ，本文则通过结合粗糙集理论来侧重研究语音情 从语音信号中提取的特征数据是一数据序列，通过数据 感识别的参数有效利用方法。利用粗糙集在处理不完整和不 处理 ，可得到关于该特征的最大值 ，最小值 ，平均值 ，动态范 确定性知识方面 的优点，完成对语音情感识别的决策信息系 围，动态平均变化率等统计参数 的归一化值 。 统的规则提取，从系统数据 中发现隐性知识 ，通过对语音信 号特征参数 的重要度分析进行近似匹配 ，从而在研究语音信 2 基 于 粗 糙 集 方 法 的数 据 挖 掘 号的有效特征参数 的基础上 ，进一步对所提取的样本参数数 据 的归纳和利用 以及最终的决策进行 了科学性 的探讨 。 粗糙集fRS)理论是 由波兰数学家 Pawlak为代表的研究 者在 1982年首次提出的。它是一种刻画不完整性和不确定 1 语 音 信 号 的特 征 参 数 提 取 性的数学工具，能有效分析和处理不精确、不一致和不完整 等各种不完备信息，并从中发现隐含的知识 ，揭示潜在的规律。 通过听觉获得 的语音信息是一种模式信息，这种模式信 2．1 粗糙集决策表的构造 息包含符号信息和非符号信息。非符号信息是人们感知模式 信息系统 I可 以定义为 四元组U，A，V， ，其 中有限非空 的重要部分，听者对于语音 的情感感知包含在非符号信息中 [11 集合u是论域，A为关于u的属性集，V=UV其中V表示 。 由于说话人表现的情感不同，在听者的感知上就可能会有