1.一种语音信号未知情绪状态识别方法,其特征在于,所述方法包括:对已知情绪类别训练语段样本提取副语言特征,并结合已知情绪类别训练语段样本标签,以及由已知情绪类别名称的语义嵌入计算得到的已知情绪类别原型权重,求解得到最优虚拟分类器;对带有未知情绪状态信息的语段信号测试样本进行副语言特征提取,并结合由未知情绪类别名称的语义嵌入计算得到的未知情绪类别原型权重,使用所述最优虚拟分类器对测试样本进行未知情绪类别判决;
所述的一种语音信号未知情绪状态识别方法,包括以下步骤:
步骤一、对训练样本集和测试样本集中的每个语段样本,分别经过处理,提取出对应的副语言特征,作为原始特征,提取生成nF维原始特征,并对原始特征做规整化处理,得到N(S)个训练样本对应的规整化特征以及任一测试样本对应的规整化特征x(U);
步骤二、通过向预训练输入情绪类别名称,得到该类别对应的nA维的情绪类别语义嵌入向量,对训练集对应的已知情绪类别,其语义嵌入向量表示为其中,间的距离测度其中σ2为距离权重。
3.根据权利要求2所述的一种语音信号未知情绪状态识别方法,其特征在于,所述距离权重σ2={2‑5,2‑4,…,25}。
4.根据权利要求1所述的一种语音信号未知情绪状态识别方法,其特征在于,步骤三中虚拟类别原型矩阵B的构建方式具体为:按0‑1间均匀分布,随机生成nA×c(P)维的矩阵。
5.根据权利要求1所述的一种语音信号未知情绪状态识别方法,其特征在于,步骤三中虚拟类别原型矩阵B的构建方式具体为:设置为已知情绪类别语义嵌入矩阵A(S)。
6.根据权利要求1所述的一种语音信号未知情绪状态识别方法,其特征在于,步骤四中求得最优虚拟分类器的优化目标为:其中,正则化项权重τ>0,已知情绪类别线性分类器
对测试样本对应的副语言特征x(U),预测该样本所属未知情绪类别对应的标号:即得到对测试样本的未知情绪类别判决结果。9.根据权利要求1所述的一种语音信号未知情绪状态识别方法,其特征在于,原始特征采用日内瓦简约声学参数集(eGeMAPS),原始特征维数nF=88。