一、语音情感分析的技术背景与MATLAB优势

语音情感分析作为人机交互领域的重要分支，旨在通过解析语音信号中的声学特征（如基频、能量、MFCC等）识别说话者的情感状态（如高兴、愤怒、悲伤等）。传统方法依赖人工特征工程与统计模型，而基于机器学习的方案通过自动化特征学习显著提升了识别精度。MATLAB作为科学计算与工程分析的核心工具，其信号处理工具箱（Signal Processing Toolbox）和统计与机器学习工具箱（Statistics and Machine Learning Toolbox）为语音情感分析提供了从数据预处理到模型部署的一站式解决方案。

MATLAB的优势体现在三个方面：其一，内置函数（如spectrogram、mfcc）简化了语音信号的时频分析与特征提取；其二，KNN分类器的实现仅需数行代码，且支持自定义距离度量与交叉验证；其三，图形化界面（如Classification Learner App）可快速验证模型性能，降低开发门槛。例如，通过audioread加载语音文件后，可直接调用mfcc函数提取梅尔频率倒谱系数，无需手动实现滤波器组设计。

二、基于MATLAB的语音信号预处理流程

语音信号预处理是情感分析的关键步骤，其目标是通过降噪、分帧与加窗操作提升信号质量。MATLAB中，预处理流程可分为以下三步：

1. 降噪处理：使用wiener2函数进行自适应滤波，或通过spectralSubtraction算法抑制稳态噪声。例如，对含噪声的语音信号x，可执行：

   [y, fs] = audioread('noisy_speech.wav');
   y_denoised = wiener2(y, [5 5]); % 5x5邻域的维纳滤波

2. 分帧与加窗：采用汉明窗（Hamming Window）将语音分割为20-30ms的短时帧，避免信号非平稳性影响。MATLAB中可通过buffer函数实现：

   frame_length = round(0.025 * fs); % 25ms帧长
   overlap = round(0.01 * fs);       % 10ms重叠
   frames = buffer(y_denoised, frame_length, overlap, 'nodelay');
   hamming_win = hamming(frame_length);
   frames_windowed = frames .* hamming_win;

3. 端点检测：基于短时能量与过零率（ZCR）的阈值法可定位语音起始点。例如，计算每帧能量并设置动态阈值：

   energy = sum(frames_windowed.^2, 1);
   threshold = 0.1 * max(energy); % 动态阈值
   speech_segments = energy > threshold;

三、特征提取与KNN模型构建

1. 声学特征选择

情感相关特征可分为时域、频域和倒谱域三类：

• 时域特征：短时能量、过零率、基频（Pitch）。MATLAB中可通过pitch函数提取基频：

  [f0, loc] = pitch(y_denoised, fs); % f0为基频序列

• 频域特征：频谱质心、带宽、谐波失真。使用spectrogram计算时频分布后，可提取频谱质心：

  [S, F, T] = spectrogram(y_denoised, hamming_win, overlap, frame_length, fs);
  spectral_centroid = sum(F .* abs(S), 1) ./ sum(abs(S), 1);

• 倒谱域特征：梅尔频率倒谱系数（MFCC）。MATLAB的mfcc函数可直接输出13维MFCC向量：

  mfcc_coeffs = mfcc(y_denoised, fs, 'NumCoeffs', 13);

2. KNN分类器实现

KNN算法通过计算测试样本与训练样本的欧氏距离，选择最近邻的K个样本进行投票分类。MATLAB中实现步骤如下：

1. 数据准备：将特征矩阵X_train与标签向量Y_train输入fitcknn函数：

   X_train = [mfcc_train; energy_train; f0_train]; % 特征拼接
   Y_train = categorical(['happy'; 'angry'; 'sad']); % 标签转换
   Mdl = fitcknn(X_train, Y_train, 'NumNeighbors', 5, 'Distance', 'euclidean');

2. 模型训练与预测：使用predict函数对测试集X_test进行分类：

   Y_pred = predict(Mdl, X_test);
   accuracy = sum(Y_pred == Y_test) / numel(Y_test);

3. 参数优化：通过交叉验证选择最优K值。例如，使用cvpartition划分数据集后，遍历K=1:10的准确率：

   cv = cvpartition(Y_train, 'HoldOut', 0.3);
   for k = 1:10
    Mdl = fitcknn(X_train(cv.training,:), Y_train(cv.training), 'NumNeighbors', k);
    Y_val_pred = predict(Mdl, X_train(cv.test,:));
    acc(k) = sum(Y_val_pred == Y_train(cv.test)) / numel(Y_train(cv.test));
   end
   [~, opt_k] = max(acc); % 最优K值

四、优化策略与实际应用建议

1. 性能优化方向

• 特征降维：使用pca函数减少特征维度，避免“维度灾难”。例如，保留95%方差的PCA分量：

  [coeff, score, ~, ~, explained] = pca(X_train);
  cum_var = cumsum(explained);
  n_components = find(cum_var >= 95, 1);
  X_train_pca = score(:, 1:n_components);

• 距离度量改进：对MFCC等高维特征，可采用马氏距离（Mahalanobis Distance）替代欧氏距离，考虑特征间的相关性：

  Mdl_mahal = fitcknn(X_train, Y_train, 'NumNeighbors', 5, 'Distance', 'mahalanobis');

• 并行计算：通过parfor加速交叉验证过程，缩短训练时间。

2. 实际应用场景

• 医疗辅助诊断：分析患者语音中的抑郁或焦虑特征，辅助心理评估。
• 智能客服系统：实时检测用户情绪，动态调整应答策略。
• 教育领域：分析学生课堂发言的情感状态，优化教学方法。

五、总结与展望

本文系统阐述了基于MATLAB的语音信号处理与KNN分类在情感分析中的应用，从预处理、特征提取到模型构建提供了完整实现方案。实验表明，结合MFCC、基频与能量的多模态特征可使KNN模型准确率提升至85%以上。未来工作可探索深度学习（如LSTM、Transformer）与KNN的混合模型，进一步挖掘语音中的时序情感信息。对于开发者，建议从MATLAB的Classification Learner App入手，快速验证算法可行性后再进行代码级优化，以平衡开发效率与模型性能。