基于MVR隶属度的多级FSVM语音情感识别

第26卷V0l_26第10期No．10重庆理工大学学报(自然科学)JournalofChongqingUniversityofTechnology(NaturalScience)2012年l0月0ct．2012基于MVR隶属度的多级FSVM语音情感识别邢玉娟，李恒杰，张成文，王万军(甘肃联合大学电子信息工程学院，兰州730000)摘要：针对语音情感识别率不高的问题，提出一种基于MVR隶属度的多级FSVM算法。在采用PCA对输入特征向量进行约简的同时得到话者的主分量空间，在此空间对注册说话人进行初次筛选，并根据每位话者的特征向量在主分量空间上的映射方差比来计算该特征向量属于该类的模糊隶属度，最终使用MVR—FSVM进行语音情感识别。仿真实验结果表明，多级MVR—FSVM具有良好的分类性能和抗噪性能。关键词：语音情感识别；主成分分析；模糊支持向量机中图分类号：TP391．42文献标识码：A文章编号：1674—8425(2012)10—0066—06HierarchicalFSVMSpeakerRecognitionBasedonMVRMembership’XINGYu-juan，LIHeng-jie，ZHANGCheng—wen，WANGWan-jun(SchoolofElectronicsandInformationEngineering，GansuLianheUniversity，Lanzhou730000，China)Abstract：AnovelhierarchicalFSVMspeechemotionrecognitionapproachbasedonMVRmember—shipwasproposedinthispaper．Firstly，PCAwasutilizedtoreducethedimensionofregisteredspeakers’featurevectors，andsimultaneouslyprincipalcomponentspacewasobtainedbasedonthetransformmatrix．ThenPCS．PCAclassifierwasproposedtoselectthepossibleRtargetspeakersfleet—ly．Afterthat，themembershipofFSVMwascomputedusingmappingvarianceratioofthespeaker’sinputvectorX．Finally．therecognitionresultwasachievedbyMVR—FSVM．Theexperimentresultsvalidateavailabilityandfeasibilityofourmethod．Keywords：speechemotionrecognition；principalcomponentanalysis；fuzzysuppo~vectormachine语音情感识别就是根据说话人的语音特征识别出说话人的情感状态(如愤怒、高兴、惊讶、悲伤、害怕、厌恶等)，包含语音情感特征参数的提取以及情感状态的判定卜，在信号处理和人工智能领域有着重要的研究意义。由~apnik提出的基于统计理论的支持向量收稿日期：2012—06—28基金项目：甘肃省教育厅资助项目(1113—01)作者简介：邢玉娟(1981一)，女，甘肃天水人，硕士研究生，讲师，主要从事生物特征识别研究。邢玉娟，等：基于MVR隶属度的多级FSVM语音情感识别67机(supportvectormachine，SVM)以其出色的分类性能在语音情感识别领域获得了成功应用。它建立在统计学习理论的VC维(vapnikchervonenksdimension)理论和结构风险最小原理(structuralriskminimization)基础上，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折中，以期获得最好的推广能力。支持向量机能较好地解决小样本、非线性、高维数和局部极小点等实际问题，在很大程度上解决了模型选择与过学习问题、非线性和维数灾难问题以及局部极小点等问题。然而，标准SVM的训练方法随着样本规模的变大，会耗用大量的时间和存储量，同时对非目标样本没有拒绝能力。由于语音数据中存在模糊的不可分数据，这势必会影响SVM的识别性能。为了解决这个问题，TakuyaInoue和ShigeoAbe提出了模糊支持向量机的方法(fuzzysupportvectormachine，FSVM)，通过对每一类样本设置隶属度来处理不可分数据。实验结果表明，FSVM的分类性能优于SVM【14]。然而，AlistairShihon和Daniel