人的声音蕴藏着人情绪、心理及思想等众多信息，当人与外界交流的时候这些信息就会被他人所接受，而接受了这些信息之后，人便能感知其的感受与某些想法等。可见人的语音信息能映射出人的整体感受，更是一个信息的综合体。由此，研究语音情感识别信息则能帮助人们研究人工智能技术，可透过人的语音来分析人的整体感受，利用先进的计算机技术及运用智能系统等来预测人的情感变化。因此，为了更好开展本次实验，而利用多种设备、系统等作为支持技术，以提高实验的准确性，同时提高数据的应用处理能力。
一、语音信号与预处理
当语音信号发出之后，经过特殊的转化处理之后，变成为计算机数字信号，然后，再经计算机设备接收之后便能识别这种语音信号。当计算机接收数字信号以后，就会立即进行分析处理，然后在进行识别，而只有做好预处理之后，那么才能使本次实验能更好的开展下去，才能使试验最终数据准确性变得更高。
（一）预加重
在处理语音高频加重过程中，可采用FIR高通数字滤波器来完成加重处理，能有效出去生命激励及口唇辐射所造成的影响。预加重技术在信号处理领域应用具有了不可代替的优点，该技术是被当作为一种高效的信号处理技术，如：技术人员可通过采用该技术来分析信号，如：可在发送端对输入信号高频分量加以处理，适当的补充一些信号。预加重技术目前主要应用到数据采集、传输当中，一直都发挥着不可缺少的作用。
众所周知，每当设备的信号速率增加的时候，因传输速度过快而导致信号损失，而为了接收到更好的信号而采用预加重方式来进行补偿。预加重技术目前已经广泛采用到录音领域、信号传输领域等当中，该技术能有效提高信号输出比率，对信号噪声不会造成影响。
（二）分帧加窗
语音信号传输稳定性是有限的，其的稳定范围通常是在10ms—30ms，若超过了这个范围之后就会变得不稳定，影响信号的真实性。将语音以分帧的方式来进行分段，便能提高信号的平稳性。目前最常见的加窗技术可分为三种：汉宁窗、汉明窗、矩形窗。这三种加窗技术特点如下：
第一、汉宁窗，具有了较强的抗高频干扰能力，以及漏能能力，能够使旁瓣相互抵消，稳定信号，其可被看作为升弦窗。
第二、汉明窗，其的频率分辨能力不是很强，处于较低水平，但是主瓣相对的比较的宽一些，其的一大优点便是频谱的出现泄露的情况相对比较的少一些。
第二、矩形窗，其的频率分辨率要比汉明窗要高，要强，然而，其的旁瓣相对有比较的高一些，而其的缺点便是会对相邻谐波产生一定的干扰。
综合来说，汉宁窗、汉明窗、矩形窗都拥有其自身不同特点，各自都有不同的缺点。对比汉宁窗、矩形窗就可发现，汉明窗所能获得的频谱相对的比较的平滑一些。因此，可根据不同的需要来选择加窗技术。具体可参考下述公式1、公式2、公式3。
公式1：汉宁窗
公式2：汉明窗
矩形窗3：矩形窗
2.3端点检测
为更好的检测有效语音段，那么就要采用端点检测技术。该技术能检测能力强，效率高，检测失误少。一般来说，都包括有两个方面内容，其中主要就包括有检测出有效语音的起始点，这也就是前段点。其次，检测出有效语音结束点，也就是后端点。
3.Mel倒谱系数提取技术
Mel倒谱系数技术是一种数字信号提取技术，这种技术通常都是建立在了频谱基础特之上，具有较强的信号提取能力，而该技术数据处理能力强，可以根据人类听觉系统特性来进行分辨提取。同时该技术也可以够模拟人耳对不同频率额语音感知。
4.实验结果
4.1语音库
为了更好的进行实验，提高语音测试准确性，主要采用了CASIA汉语情感语料库。该语音库目前总共收集有七千两百多条人类语音。一共收录有六种人类情绪，其中包括有：高兴、生气、害怕、悲伤、惊讶、中性。采用该语音库来作为实验中的语音库，能提高语音库的应用能力，语音识别能力，题号信号识别能力。
4.2数据处理能力
为了提高本次实验的准确性，则都采用了监督学习模式，旨在解决当前语音样本处理能力，而语音样本的英文标签则不可以直接的接入到神经网络之中，而必须将标签加以处理，收集，然后在转化成为One-HOT编码。该编码通常又被技术人员称之为一位有效编码，如果从其的设计本质来看，其就是一个二进制向量。在不管何时，或者任意时刻里都只有一位有效，也就是索引位为1，而其余位则都为零。这一类型编码可更加准确的计算传输距离。一般地，可将英文标签对应不同的数字标签，接着我们在利用库函数将数字转换成One-hot编码。而在开展本次实验的故操作则也是采用该编码，旨在提高数据的接受处理转换能力。接收到英文便签之后，就会进行转换，加以处理之后便将语音信号转变成不同的编码。
4.3语音情感识别模型设计
（1）模型概述
为使本次实验能更好进行下去，以及最大限度的提高数据测试能力，而主要采用了神经网络为层ANN+现性层+双向1stm层+attention层+全连接层。
（2）训练结果
本次实验的目的加强研究数据语音情感心理研究，旨在研究出一种具有高度识别语音信息的系统，因此，为了更好的开展本次实验，而增加了训练次数，本次实验一共进行二十轮的不断循环训练。而训练的主要结果，则就是以每五轮作为间隔来展示。
（3）最终结果分析
模型在训练的过程中，训练精度就会不断的上升，此时，就会导致损失值不断降低，当损失值与验证集精度均都在约十轮左右，此后就会变得稳定，在这个时候的精度则约为84%。具体可参考下图：
图一 精度随训练轮数增加产生的变化
4.4性格分析模式
为了更好验证数据处理真实性，故采用了人格因素来对应转换后的编码数据。值得一提的就是人格因素通常都由五种不同的人格因子所组成的。该理论则是由于Goldberg率先提出的。该研究专家将人格理论定义为五个因素：开放性、责任心、外倾性、宜人性、神经质性。具体解释如下：
第一、开放性，这一人格因素，特征最大特点就是想象，指的就是拥有这一类特质的人，拥有较强的意识审美能力，并且具有较强的创造能力，具有较高的智商。
第二、责任性，拥有这一特质的人，拥有较高的自我约束自我的能力，并不会放任自流，不会人云亦云，对待生活、合作比较节制，可以很好的控制住自己。
第三、外情绪，这一类特质的人通常都表现出较强的社交天赋，在社交中比较活跃，识人能力较强，同时个性比较洒脱，开朗，通常都是比较乐观的。
第四、宜人性，具有这一类特质的人往往都很值得他人信任，并且热情直率，令人难以抗拒，
第五、神经质性，拥有这一人格特征的人，通常都由较强的敌对心理，同时也比较的冲突，自我控制能力相对较差，最大的一个特点便是其的情绪不够稳定。
我们在研究当中就发现，人格因子与人类的话语经常表达的情感存在一定的联系。实验证明，此次实验所有数据都是真实的，测试准确率较高。通过研究可知，情绪较高的人，越容易失控，情绪越难控制住，这对其而言是不利于的。
结论：
经过上述实验可知，实验中获得的最终数据是真实的，有效率最高可达到约84。为了更好的对应人格因素，故采用了Goldberg所提出的人格五大因素。而经过对比之后，就成功的实现了性格因素与语音情感识别分析。
参考文献：
[1] 余倩,洪兆金,翟其俊,乔方圆,赵力.基于语音情感的心理咨询与性格分析算法研究[J].信息化研究,2019,45(05):27-31.
[2]丁倩. 基于语音信息的多特征情绪识别算法研究[D]. 2015.
