语音情绪识别技术在载人航天领域的应用
时间：2020-12-10 08:00:12 来源：雅意学习网 本文已影响 人 
【摘要】在航天飞行环境应激因素的影响下，航天员容易出现烦躁、焦虑、紧张、低警觉等情绪改变，这些改变会在语音中有所体现，通过语音情绪识别技术可以监测航天员的情绪变化。基于载人航天应用的实际需求，本研究建立了应激情绪语料库，并通过特征提取、高斯混合模型（GMM）方法搭建了语音情绪识别模型和软件平台，对该模型下语音情绪识别准确度进行了验证。
【关键词】语音 情绪 识别 载人航天 GMM
【中图分类号】R853 【文献标识码】A
【DOI】10.16619/j.cnki.rmltxsqy.2018.17.008
航天飞行环境中存在着诸如密闭、限制、超重、失重、高工作负荷、高风险和睡眠剥夺等应激因素，在这些因素的影响下，航天员容易出现烦躁、焦虑、紧张、低警觉等情绪改变，进而影响航天员的工作效率，甚至会危害其身心健康、导致操作失误，影响任务的顺利完成[1]。因此，人的因素已经被普遍认为是制约未来航空、航天飞行任务的重要因素，而应激情绪又是其中的关键。
言语作为人们交流的最主要方式，既包含语义信息内容，也包含了说话人的情绪、情绪状态，即言语表情。言语的语义、韵律等各层次都能反映个体内心的情绪状态。高工作负荷、紧急状态、噪声、振动、超重、失重等应激因素引起的烦躁、焦虑、紧张等应激情绪，也会在语音中有所体现。如果能够通过语音及时客观地监测航天员的情绪状态变化，地面心理支持人员就可以有针对性地给予航天员心理支持和疏导，从而降低负性情绪带来的不良影响。
本文对当前载人航天领域语音情绪识别的研究进展，基于高斯混合模型（GMM）方法搭建语音识别模型，以及该语音情绪识别准确度验证等进行了介绍。
语音情绪识别原理
人们的语音信息不仅包含了语义信息，同时也携带了情感信息，不同情绪下的语音信号特征参数存在差别。如一个人愤怒时，讲话的速率会变快、音量会变大、音调会升高等，此外已经研究验证语速、振幅、基频和共振峰等参数特征，均与情绪变化有关系。通过数据处理，将能够反映情感变化的语音参数从语音中提取并量化出来，构造这些参数与情绪分类的函数。
语音情绪识别分为两个步骤，一是模型的训练，通过对情绪分类已知的语音特征分析，提出有效的参数和权值，构造语音情绪数据的判别分类模型，常见的语音情绪识别方法有神经网络法、隐马尔可夫模型（Hidden Markov Model，HMM）法、高斯混合模型（Gaussian Mixture Model， GMM）法等。神经网络法是较早用于语音情绪识别中的一种方法，通过对基本情绪类别进行分析，得出了高兴等正面情绪和烦躁等负面情绪识别的难易程度，但识别率较低，平均识别率只有50%;HMM法由于采用短时时序特征，受到文本信息变化的影响较大，例如，共振峰是一种常用的语音情绪特征，但是受到音位信息影响严重;GMM法是近年来说话人识别和语种识别中比较成功的方法，能够拟合任意的概率密度函数分布，建模能力强，但其对训练数据依赖性较强。二是利用所建立分类器模型进行语音情绪识别。这个过程如图1所示。
载人航天环境下语音情绪识别研究进展
相比实验室环境，载人航天实践中存在着噪音和失重等因素的干扰[2]，航天飞行下语音情绪识别需要对相应的因素进行研究。针对航天噪声，需要针对性涉及方法进行端点检测及降噪处理。载人航天器噪声主要来源为环控生保系统，噪声频带集中于200～500Hz、2000～2100Hz和3800～4100Hz三个窄带内。李皖玲等使用了对相应频带的噪声直接过滤，使用相邻频带的语音信息相关性对过滤掉的频带进行数据回填的方法，取得了很好的效果[3]。针对失重等因素，高慧等通过对72h心理隔绝及睡眠剥夺实验，密闭舱60d实验，以及头低位60d模拟失重实验的语音特征研究发现，在应激环境下，烦躁情绪与基频变化具有一致性，音节时长、短时能量的变化与时间节点有关[4]。高慧等采用基于Teager能量算子的非线性特征，运用HMM技术，对实验获取的平静—烦躁情绪平均识别率为98.6%[5]。
高斯混合模型
高斯混合模型（GMM）法是近年来说话人识别和语种识别中比较成功的方法，能够拟合任意的概率密度函数分布，建模能力强。GMM是M成员密度的加權和，可以用如下形式表示：
情绪语音数据库建立
人类声音中蕴含的情绪信息，受到无意识的心理状态变化的影响，以及社会文化习惯导致的有意识的控制。对自然语音情绪识别的研究不适合采用表演数据，需要通过诱发（Induced）的方式采集自然度较高的数据。
本项目采用计算机游戏进行情绪诱发，通过游戏中画面和音乐的视觉、听觉刺激，提供一个互动的、具有较强感染力的人机交互环境，能够有效诱发出被试的正面与负面情绪。特别是在游戏胜利时，被试由于在游戏虚拟场景中的成功与满足，被诱发出喜悦等正面情绪;在游戏失败时，被试在虚拟场景中受到挫折，容易引发烦躁等负面情绪;在游戏过程中，一些具有挑战性的游戏情节往往能引发被试的应激情绪。
在游戏前，让被试平静地读出指定的文本内容，录制平静状态的语音。在每次游戏失败后，要求被试说出指定的文本内容，录制负面应激情绪状态的语音。在游戏进行到一半时，暂停游戏，要求被试用说出指定的文本语句内容，录制语音。为了便于对数据进行检验，在每次录制情绪语音后，让被试填写情绪的主观体验，在实验结束后，根据被试的情绪主观体验表，剔除主观体验与诱发目标情绪不一致的语音数据，必要时进行适当的补录。为了保证所采集的情绪语料的可靠性，对采集的语音情绪数据进行了主观听辨与评选，每句样本由10名未参与录音的人员进行评测。
