情感语音识别的入门解析

       关于情感语音识别领域的研究距今已有二三十余年的历史。不管是情感语音识别，还是语音情感识别，含义是一样的，都是对带有情感的语音信号进行情感的正确判断。最传统的情感语音识别是基于机器学习下的有监督学习完成的。有监督，即：使用训练集训练处一个模型，然后使用该模型对测试集中的语音信号进行情感状态的正确判断。

       传统的机器学习可以理解为模式识别，即需要通过三个环节来完成操作：数据库、特征参数、识别网络。这三个环节均有大量的文献介绍，其中特征参数这一环节衍生出了很多研究方向，比如：特征选择、特征优化等。

就情感语音识别系统而言

一、数据库的选择有：德国的EMO-DB德语情感语音库、英国的Belfast英语情感语音库、中科院CASIA汉语情感语音库，还有就是某些研究情感语音的高校实验室自主录制的语音库，比如：太原理工大学张雪英老师团队录制的TYUT1.0版本和TYUT2.0版本、北京航空航天大学（这个是阅读文献看到的）。

二、常用的特征参数有：韵律特征、音质特征、基于谱的相关特征。注意：近几年提出的非线性特征（这些特征是基于语音信号发声机制中存在的非线性特性提出的）相较于传统的声学特征有它独有的优势。

①、较典型的韵律特征有：语速、能量、平均过零率、基音频率等；

②、最典型的音质特征是：共振峰，这类特征有很好的识别效果；

③、最典型的基于谱的特征是：MFCC特征（梅尔倒谱系数），这个是经典中的经典，但凡研究语音信号的就应