摘 要：在情感计算的基础上，本文针对语音情感识别提出主元素分析法（PCA）配合人工神经网络（ANN）对声学语音样本进行情感识别。主元素分析法（PCA）識别方法成熟简单，运算量小，适合对实验样本做初步的分析和归类，特征参数的选取也大多局限在基本的韵律参数上，使用方便。对于语音样本使用PCA做粗处理，再结合ANN做更加细致的处理，使得尽可能的正确识别语音样本的情感，得到极好的识别率。
　　关键词：主元素分析法；音情感识别技术；人工神经网络
　　一、引言
　　随着信息技术的发展和人类使用计算机日益频繁，计算机已经成为人类生活中不可缺少的一部分，智能人机交互系统的实现已经成为一个当前人工智能技术领域的研究热点，斯坦福大学的Reeves和Nass指出，实现自然、友好和生动的智能人机交互，关键在于赋予计算机"情感智能"的能力[1] 。一台具有"情感智能"的计算机应能拟人地观察、理解人类情感, 并根据使用者的情感调整交互环境。如何准确识别人类情感是实现"情感智能"的关键环节, 具有重要的理论意义和实用价值。情感信息可通过语音、面部表情、肢体姿态以及人体生理信号( 血压、脉搏、皮肤电阻等) 等媒介来表达[2] , 而语音作为人与人之间使用最为广泛的交流方式, 承载了丰富的情感信息, 并具有获取便捷的优点。
　　二、主元素分析法（PCA）
　　分析之前，为了是样本向量的各维元素单位统一，进行规范化处理，即将数据都转化成均值为0，方差为1的正态分布序列。对于要识别的数据，假设有M个样本信号，使用的特征参数个数为S。
　　式中, wij(l), €%aj为网络待定参数。[4][5]
　　四、结论
　　本文采用PCA主元素分析法结合ANN人工神经网络对给定的语料库进行情感分类。对于给定的语料库可先进行PCA处理，因为它要求的存储量、计算量和识别精度不是很高，只是对其进行粗识别，而后，再利用ANN，对粗识别的语料通过提取更充分的特征参数集，进行更精确的识别，以满足更好的识别率和鲁棒性。
　　参考文献：
　　[1]陈方,高升.语音识别技术及发展[J].电信科学,1996,(10).
　　[2]袁曾任,人工神经网络及其应用[M].北京: 清华大学出版社,1999:75-88.
　　[3]何新贵,梁久祯,许少华.过程神经元网络的训练与应用[J].中国工程科学,2001,3(4).
　　[4]闫雪梅,王晓华.基于PCA和BP神经网络算法的车牌字符识别[J].激光与红外,2007,37(5).
　　[5]谢秋菊,苏中滨.电力语音充值系统呼叫处理过程的多线程实现[J].黑龙江八一农垦大学学报,2008,(1).
　　作者简介：李超（1987.4-），男，汉族，天津市人，天津师范大学 计算机与信息工程学院 2009级计算机应用专业硕士研究生，研究方向：计算机应用。