语音信号的时频特征提取及人工智能情绪监测方法

摘要

本申请提供一种语音信号的时频特征提取及人工智能情绪监测方法，其中，本方法首先对监测目标个体的音频数据进行预加重、加窗分帧等预处理，进而搭建深度信念网络充分挖掘数据的时频特征，再利用动态时间规划和蚁群算法，将提取的时频特征与语音情感语料库中预定义语料时频特征进行匹配，以确定监测目标个体对应的情绪分布。上述技术方案过程简捷，不必依赖于经验值，在信噪比较低时对情绪状态的识别率仍然很高，并且，利用深度信念网络提取音频的时频特征，能实现对语音进行时序性分析，实现更精确的情绪状态识别效果。同时，上述技术方案结合动态时间规划和蚁群算法进行特征匹配，实现在局部以及全局上最优匹配，大幅增加了情绪状态的识别效率。