东说念主类之是以粗略通过凝听语音捕捉对方心扉情状的变化经典成人故事，是因为东说念主脑具备了感知和联接语音讯号中的粗略反应谈话情面感情状的信息(如非凡的口吻词、语调的变化等)的材干.自动语音心扉识别则是狡计机对东说念主类上述心扉感知和联接经过的模拟，它的任务即是从汇集到的语音讯号中索求抒发心扉的声学特征，并找出这些声学特征与东说念主类心扉的映射联系.狡计机的语音心扉识别材干是狡计机心扉智能的巨大构成部分，是杀青当然东说念主机交互界面的要津前提，具有很大的讨讲价值和愚弄价值.

语音心扉识别讨论的开展距今已有30余年的历史，在此期间，它得到了宇宙鸿沟内研究讨论者们的世俗温雅，也取得了一些令东说念主瞩贪图得益，但同期也面对着诸多问题的熟悉与挑战.本文将立足于语音心扉识别讨论鸿沟的已有后果，对鸿沟内的讨论进展进行总结，并对改日的期间发展趋势加以预测.

一般说来，语音心扉识别系统主要由3部分构成:语音讯号汇集、心扉特征索乞降心扉识别，系统框图如图 1所示.语音讯号汇集模块通过语音传感器(举例，麦克风等语音录制开发)取得语音讯号，并传递到下一个心扉特征索求模块对语音讯号中与话者心扉关联综合的声学参数进行索求，临了送入心扉识别模块完成心扉的判断.需要相配指出的是，一个竣工的语音心扉识别系统除了要完善上述3部分除外，还离不开两项前期使命的复旧:(1) 心扉空间的形容;(2) 心扉语料库的设立.心扉空间的形容有多重程序，举例闹翻心扉标签、引发-评价-法例空间和心扉轮等，不同的程序决定了不同的心扉识别方式，会对心扉语料的汇集标注、识别算法的遴荐皆产生影响.心扉语料库更是语音心扉识别讨论的基础，精良向识别系统提供检修和测试用语料数据.国表里研究讨论把柄讨论者的起点不同会各有侧重，但归根结底皆不错涵盖到上述5个要津模块之中.

Fig. 1 Framework of a standard speech emotion recognition system 图 1 语音心扉识别系统框图

因此，本文将最初对语音心扉识别接近40年的发展历程进行简要的追想，然后从心扉形容模子、心扉语音数据库、语音心扉研究声学特征索求、语音心扉识别算法、语音心扉识别期间愚弄这5个角度对现时的语音心扉识别期间主流才略和前沿进展进行系统的总结和分析，临了给出期间挑战与预测.

后者则将心扉情状形容为多维心扉空间中的点.这里的心扉空间骨子上是一个笛卡尔空间，空间的每一维对应着心扉的一个情感学属性(举例，示意心扉利弊进程的激活度属性以及标明心扉正负面进程的效价属性).表面上，该空间的心扉形容材干粗略涵盖系数的心扉情状.换句话说，恣意的、本质中存在的心扉情状皆不错在心扉空间中找到相应的映射点，况且各维坐标值的数值大小反应了心扉情状在相应维度上所推崇出来的强弱进程.由于维度心扉模子使用连气儿的实数值来刻画心扉，因此在有些文件中又被称作连气儿心扉形容模子[18].一些既省略又能被世俗使用的维度心扉形容模子有二维的激活度-效价空间表面(arousal-valence space)、三维的引发-评估-法例空间表面(valence-activation-dominance space)[19]和心扉轮表面(emotion wheel)[18]等.其中，激活度-效价空间表面如图 2所示[18]:垂直轴是激活度维，是对心扉利弊进程的形容;水平轴是效价维，是对心扉正负面进程的评价.心扉情状的平常语音标签和该坐标空间不错进行互相升沉，通过对心扉情状语言形容的联接和预计，就不错找到它在心扉空间中的映射位置.

两种抒发模子各有千秋:从模子复杂度而言，闹翻形容模子较为简略、易懂，成心于研究讨论使命的入辖下手和开展，而维度模子却要面对定性心扉情状到定量空间坐标之间若何互相退换的问题;从心扉形容材干的角度而言，闹翻心扉模子的心扉形容材干则流露出较大的局限性经典成人故事，大宗情况下，它只可刻画单一的、有限种类的心扉类型，然而东说念主们在平常生存中所体验的心扉却是神秘而多变的，致使是复杂而璷黫的(举例，东说念主们在受到惊吓时所推崇出来的心扉不仅有吃惊，相似还包含局促致使战栗的因素;又比如，东说念主们对愉悦的抒发不错呈现出几许的进程，不错从喜上眉梢，到眉欢眼笑，再得欢蹦乱跳)，不错说，闹翻形容方式和自觉心扉的形容之间还存在着较大的艰涩，然而维度心扉模子从多侧面、连气儿的角度进行心扉的形容，很好地化解了自觉心扉的形容问题，况且以精准的数值很猛进程上逃匿了闹翻心扉标签的璷黫性问题.临了，咱们以表格的花式对两个心扉形容模子之间的折柳进行了直不雅的总结和展示，见表 2.

• 心扉
• 经典成人故事
• 识别
• 讨论
• 语音