基于GRNN广义回归网络和MFCC的语音情绪识别matlab仿真,对比SVM和KNN

1.算法运行效果图预览

(完整程序运行后无水印)

filePath =

    'Test_data\悲伤1.wav'

类型：悲伤
识别置信度

Vmax =

    0.9559

2.算法运行软件版本

matlab2022a

3.部分核心程序

（完整版代码包含详细中文注释和操作步骤视频）

Labsn   = [];
% 遍历每种情绪
for i = 1:length(Em_kind)
    Labs0 = Em_kind(i); % 当前情绪标签
    trainfile = dir(['train_data/' char(Labs0), '\*.wav']); % 获取当前情绪的所有 WAV 文件
    Num_wav = length(trainfile(not([trainfile.isdir]))); % 计算有效 WAV 文件的数量
    
    % 遍历每个 WAV 文件
    for j = 1:Num_wav
        [ywav, Fs] = audioread(['train_data/' char(Labs0) '/' char(lower(Labs0)) int2str(j) '.wav']); % 读取音频文件
        
        % 计算 MFCC 特征
        [Fmfcc, ~, ~, H] = func_MFCC(ywav, Fs, Lframe, LShift, Fpre, @hamming, [fre_min fre_max], Nch, Cep_coff + 1, Cep_Sine);
        
        % 将当前文件的 MFCC 特征添加到训练数据集中
        Dat_trainset = [Dat_trainset; Fmfcc'];
        
        % 将当前文件的标签添加到标签集中
        Labs = [Labs; repmat(cellstr(Labs0), size(Fmfcc, 2), 1)];
        Labsn= [Labsn;repmat(i, size(Fmfcc, 2), 1)];
    end
end
 
% 训练 KNN 模型
model1 = fitcknn(Dat_trainset, Labs); % 标准化数据并训练 KNN 模型
 
% 训练多类分类模型
model2 = fitcecoc(Dat_trainset, Labs); % 训练多类分类模型
 
%GRNN
model3 = newgrnn(Dat_trainset',Labsn',5);
 
 
 
% 保存模型
save model.mat model1 model2 model3; % 将模型保存到文件中
179

4.算法理论概述

       语音情绪识别是人工智能和信号处理领域中的一个重要研究方向。它旨在通过分析语音信号中的特征，识别出说话人的情绪状态，如高兴、悲伤、愤怒、恐惧等。随着人工智能技术的不断发展，语音情绪识别在人机交互、心理健康监测、客户服务等领域具有广泛的应用前景。

梅尔频率尺度:

       人耳对声音的感知不是线性的，而是在频率上呈现出一种非线性的关系。梅尔频率尺度是一种基于人耳听觉特性的频率尺度，它将频率转换为梅尔频率，使得人耳对不同频率的声音具有相似的感知。

MFCC 特征提取过程:

预加重：对输入的语音信号进行预加重处理，以增强高频部分的能量。预加重可以通过以下公式实现：，其中为输入的语音信号，为预加重后的信号，为预加重系数，通常取。

分帧：将语音信号分成若干个短时段，称为帧。每一帧的长度通常为 20-40ms，相邻帧之间有一定的重叠。

加窗：对每一帧信号进行加窗处理，以减少帧边界处的不连续性。常用的窗函数有汉明窗、汉宁窗等。

快速傅里叶变换（FFT）：对加窗后的每一帧信号进行快速傅里叶变换，得到其频谱。

计算梅尔滤波器组能量：将频谱通过一组梅尔滤波器组，得到每个滤波器的输出能量。梅尔滤波器组是一组在梅尔频率尺度上均匀分布的带通滤波器，其数量通常为 20-40 个。

对数运算：对每个滤波器的输出能量取对数，得到对数梅尔滤波器组能量。

离散余弦变换（DCT）：对对数梅尔滤波器组能量进行离散余弦变换，得到 MFCC 系数。DCT 可以将信号从时域转换到频域，同时具有良好的能量压缩性能。

GRNN 广义回归网络原理

GRNN 是一种基于径向基函数（Radial Basis Function，RBF）网络的改进型神经网络。它由输入层、模式层、求和层和输出层组成。

输入层：接收输入向量，其中为输入向量的维度。

模式层：每个神经元对应一个训练样本，其输出为输入向量与训练样本之间的距离的函数。常用的距离函数有欧氏距离、曼哈顿距离等。

求和层：由两个神经元组成，分别计算模式层输出的加权和。一个神经元计算模式层输出的算术和，另一个神经元计算模式层输出的加权和。

输出层：输出为求和层输出的函数，通常为线性函数。