（2014/7/16—28）当不同说话人讲相…

总结一下近两周做的事情。

目标：有3个说话人，以4种不同的情感，分别说相同的200句话，建立模型供语音情感识别使用

过程：1、选择建立模型需要的特征及可用工具

            2、处理数据

            3、算法

具体内容：

1、建立模型：对3个人分别建立model，这就需要分别准备这3个人的训练数据

      提取特征：先提取mfcc，使用HTK工具

      训练：采用libsvm工具箱

2、仅给出对于 people1 的数据处理过程：

  for   i   in （情感1，情感2，情感3，情感4）:

        （1）把200句话分为190 + 10，前190句作为训练集，后10句作为测试集

        （2）分别对190 + 10句wav文件提取mfcc特征（190句的mfcc可以放在一个txt里，后10句因为要做测试用，所以分别放在10个txt里）

        注：HTK提取出的mfcc文件显示为2进制，需自己写代码转换成10进制表示

        （3）处理以上 11 个txt，需要得到这样的格式：[lable]   1:[feature1] 2:[feature2] .... n:[feature n]

例如（情感1可以这样处理）： 1   1:0.324 2:0.265 3:0.54 4:0.34 ....   39:0.495 

情感2可定义label为 2，情感3定义label为 3，情感4定义label为 4。

（4）把4种情感的 4*190=760 句wav的mfcc特征写入一个txt，作为 train_data.txt

（5）把4种情感的 4*10=40 句wav的40个mfcc文件放在一起，可标号从1.txt 到 40.txt

3、（用python写的一些代码）

libsvm的 python 文件夹里，有svmutil.py 及 svm.py 文件，看下代码，知道可以用于train和test

得到训练模型：people1.model 

把训练集里的1.txt 至 40.txt 分别进行测试，譬如 1.txt 测试的时候，是按帧来测试得到每帧的label，统计最多的label所属作为 1.txt 的类别即可。

训练结果，正确率高达 98.33% ，低至 83.33% （原因在于自己抽了一部分数据进行的训练，而不是全部的数据，可能抽的不好或者数据冗余）。

过程总结：1、处理数据超级麻烦，主要原因还是自己缺乏实践动手经验。

                  2、编程能力不足，本该用C++写的代码，最终拿python敲了，还写的很累赘

                  3、思路！思路！思想很重要

现在very tired ， 回头再写