【语音识别】基于MFCC特征提取和机器学习分类技术语音信号情绪检测系统附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
一、语音信号情绪检测的重要性
在当今数字化和智能化的时代，语音信号情绪检测具有重要意义。它广泛应用于多个领域，如客户服务中心，通过检测客户语音中的情绪，客服人员可以更有针对性地提供服务，提高客户满意度；在心理健康领域，能够辅助医生及时发现患者情绪状态的变化，为诊断和治疗提供依据；在人机交互系统中，使机器能够理解人类情绪，提供更加个性化、自然的交互体验，增强用户与机器之间的沟通效果。
二、MFCC 特征提取原理
- 梅尔频率倒谱系数（MFCC）概述
：MFCC 是一种在语音识别和语音信号处理中广泛使用的特征参数。它基于人类听觉系统的特性，模拟人耳对不同频率声音的感知能力，将语音信号从时域转换到频域，提取出能够有效表征语音特征的参数。
- 具体步骤
：
- 预加重
：语音信号在传输过程中，高频部分会有一定程度的衰减。预加重的目的是提升高频部分的能量，使语音信号的频谱更加平坦，便于后续处理。通常通过一个一阶高通滤波器实现，其传递函数为 H(z)=1−αz−1，其中 α 一般取值在 0.95 - 0.97 之间。
- 分帧加窗
：由于语音信号具有时变特性，但在短时间内可近似认为其特性保持不变。因此，将语音信号分成若干短帧，每帧通常包含 20 - 30 毫秒的语音数据。为了减少频谱泄漏，对每帧数据加窗处理，常用的窗函数有汉明窗、汉宁窗等。
- 快速傅里叶变换（FFT）
：将加窗后的每一帧语音信号从时域转换到频域，得到其频谱。FFT 是一种高效计算离散傅里叶变换（DFT）的算法，通过它可以快速得到语音信号在不同频率上的幅度和相位信息。
- 梅尔滤波器组
：人耳对不同频率声音的感知是非线性的，梅尔频率尺度更符合人类听觉特性。梅尔滤波器组由一组三角形带通滤波器组成，这些滤波器在梅尔频率尺度上均匀分布。将经过 FFT 变换后的频谱通过梅尔滤波器组，每个滤波器对相应频率范围的频谱分量进行加权求和，得到一组梅尔频谱系数。这样做的目的是将线性频率转换为梅尔频率，突出人耳敏感的频率信息，减少冗余。
- 对数运算与离散余弦变换（DCT）
：对梅尔频谱系数取对数，进一步压缩数据动态范围，并增强语音信号的特征。然后，通过离散余弦变换（DCT）将对数梅尔频谱系数转换到倒谱域，得到 MFCC 系数。DCT 能够将信号从频域转换到另一个域，使得信号的能量更加集中在少数几个系数上，便于提取主要特征。通常选取前 12 - 13 个 MFCC 系数作为语音信号的特征参数，这些系数包含了语音信号的主要信息，可用于后续的分类识别。
- 预加重
三、机器学习分类技术原理
- 常用分类算法
：在语音信号情绪检测中，常用的机器学习分类算法有支持向量机（SVM）、决策树、随机森林、朴素贝叶斯等。这些算法基于 MFCC 特征提取得到的数据，学习不同情绪类别的模式和特征，从而实现对语音信号情绪的分类。
- 支持向量机（SVM）为例
：SVM 是一种有监督学习算法，其核心思想是在特征空间中找到一个最优超平面，将不同类别的样本尽可能分开，并且使分类间隔最大化。对于线性可分的数据，SVM 通过求解一个二次规划问题来确定最优超平面的参数。对于非线性可分的数据，通过引入核函数，将数据映射到高维特征空间，使得在高维空间中可以找到一个超平面实现数据的线性可分。常用的核函数有线性核、多项式核、径向基函数（RBF）核等。在语音信号情绪检测中，SVM 根据 MFCC 特征向量在特征空间中的分布，找到能够准确区分不同情绪类别的超平面。例如，将包含高兴、悲伤、愤怒等情绪的语音信号的 MFCC 特征作为输入，SVM 通过学习这些特征的分布规律，构建分类模型，当输入新的语音信号的 MFCC 特征时，能够判断该语音信号所表达的情绪类别。
- 模型训练与评估
：使用标注好情绪类别的语音数据作为训练集，将提取的 MFCC 特征输入到选定的机器学习分类算法中进行模型训练。训练过程中，算法通过调整自身参数，使得模型对训练数据的分类准确率尽可能高。训练完成后，使用测试集对模型进行评估，常用的评估指标有准确率、召回率、F1 值等。准确率表示分类正确的样本数占总样本数的比例；召回率衡量的是模型正确识别出某类样本的能力；F1 值是准确率和召回率的调和平均数，综合反映了模型的性能。通过不断调整模型参数和特征提取方法，优化模型性能，提高语音信号情绪检测的准确性。
⛳️ 运行结果
📣 部分代码
% DIGITAL EARS: Basic Emotion Detection from Voice Samples (Folder Version)
clc; clear; close all;
%% STEP 1: Setup
baseFolder = 'C:\Users\Ken Llamanzares\Desktop\DigitalEars';
categories = {'Angry', 'Happy', 'Sad'};
% Para magstore ng features and labels
features = [];
labels = [];
%% STEP 2: Load voice samples from folders
for i = 1:length(categories)
emotionFolder = fullfile(baseFolder, categories{i});
audioFiles = dir(fullfile(emotionFolder, '*.wav')); % Lahat ng .wav sa folder
for j = 1:length(audioFiles)
filePath = fullfile(emotionFolder, audioFiles(j).name);
[signal, fs] = audioread(filePath);
% Preprocess: Normalize
signal = signal / max(abs(signal));
% Feature extraction: pitch and energy
frameLength = round(0.03 * fs); % 30ms frames
overlap = round(0.02 * fs); % 20ms overlap
try
pitchVal = pitch(signal, fs, 'WindowLength', frameLength, 'OverlapLength', overlap);
avgPitch = mean(pitchVal);
catch
avgPitch = mean(abs(signal)); % fallback simple value
end
energy = sum(signal.^2) / length(signal);
% Combine features
featureVector = [avgPitch, energy];
features = [features; featureVector];
labels = [labels; i]; % 1 = Angry, 2 = Happy, 3 = Sad
end
end
disp('Finished loading and extracting features!');
disp('Features:');
disp(features);
%% STEP 3: Train simple classifier (SVM)
model = fitcsvm(features, labels);
%% STEP 4: Test with a new voice sample
% (Sample: kumuha tayo ng isang file manually para i-test)
[testSignal, testFs] = audioread('C:\Users\Ken Llamanzares\Desktop\DigitalEars\Happy\sample1.wav');
% Preprocessing
testSignal = testSignal / max(abs(testSignal));
% Feature extraction
try
testPitch = pitch(testSignal, testFs, 'WindowLength', frameLength, 'OverlapLength', overlap);
avgTestPitch = mean(testPitch);
catch
avgTestPitch = mean(abs(testSignal));
end
testEnergy = sum(testSignal.^2) / length(testSignal);
testFeature = [avgTestPitch, testEnergy];
% Predict
predictedLabel = predict(model, testFeature);
% Convert label to emotion text
predictedEmotion = categories{predictedLabel};
%% STEP 5: Output the result
disp(['Detected Emotion: ' predictedEmotion]);
sound(testSignal, testFs);
🔗 参考文献
[1]靳双燕.基于隐马尔可夫模型的语音识别技术研究[D].郑州大学,2013.
🍅更多创新智能优化算法模型和应用场景可扫描关注
🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
🌟路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~
🌟小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
🌟 无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌟通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心