引言

语音情感分析作为人机交互领域的核心技术，旨在通过语音信号解析说话者的情感状态（如高兴、愤怒、悲伤等）。基于MATLAB的KNN（K-Nearest Neighbors）算法因其简单高效、无需复杂训练过程的特点，成为语音情感分类的常用方法。本文将从语音信号预处理、特征提取、KNN模型构建及优化三个维度展开，结合MATLAB代码实现，为开发者提供完整的技术路径。

一、语音信号分析与预处理

语音信号的预处理是情感分析的基础，直接影响特征提取的准确性。MATLAB提供了丰富的信号处理工具箱（Signal Processing Toolbox），可高效完成以下步骤：

1.1 语音信号读取与可视化

MATLAB的audioread函数可直接读取WAV、MP3等格式的音频文件，并通过plot函数可视化时域波形。例如：

[y, Fs] = audioread('emotion_sample.wav'); % 读取音频
t = (0:length(y)-1)/Fs; % 时间轴
plot(t, y); 
xlabel('时间 (s)'); ylabel('幅值'); title('语音信号时域波形');

通过波形分析，可初步判断语音的静音段、语调变化等特征。

1.2 预加重与分帧处理

语音信号的高频成分衰减较快，需通过预加重（一阶高通滤波）增强高频：

pre_emph = [1 -0.97]; % 预加重系数
y_emph = filter(pre_emph, 1, y);

分帧处理将长语音切割为短时帧（通常20-40ms），每帧重叠50%以保持连续性：

frame_length = round(0.03 * Fs); % 30ms帧长
overlap = round(0.5 * frame_length); % 50%重叠
frames = buffer(y_emph, frame_length, overlap, 'nodelay');

1.3 加窗与端点检测

汉明窗（Hamming Window）可减少频谱泄漏：

win = hamming(frame_length);
frames_windowed = frames .* win;

端点检测（VAD）通过短时能量和过零率区分语音与非语音段，MATLAB可通过自定义函数实现：

energy = sum(frames_windowed.^2, 1); % 短时能量
zcr = sum(abs(diff(sign(frames_windowed))), 1)/2; % 过零率

二、语音情感特征提取

情感分类依赖语音的韵律特征（如基频、能量）和音质特征（如MFCC、共振峰）。MATLAB的Audio Toolbox和自定义算法可实现高效提取。

2.1 基频（F0）与能量特征

基频反映语音的音调变化，可通过自相关法或YIN算法计算：

% 使用Voicebox工具箱的YIN算法
[f0, ~] = yin(y_emph, Fs, [50 500]); % 搜索范围50-500Hz
mean_f0 = mean(f0(f0>0)); % 平均基频

短时能量特征可通过分帧后计算每帧的RMS值：

rms_energy = sqrt(mean(frames_windowed.^2, 1));

2.2 MFCC特征提取

梅尔频率倒谱系数（MFCC）模拟人耳听觉特性，是语音识别的核心特征。MATLAB可通过以下步骤实现：

% 使用Audio Toolbox的mfcc函数
coeffs = mfcc(y_emph, Fs, 'Window', hamming(frame_length), ...
              'OverlapLength', overlap, 'NumCoeffs', 13);
mean_mfcc = mean(coeffs, 1); % 取均值作为静态特征
delta_mfcc = diff(coeffs, 1, 1); % 一阶差分
delta2_mfcc = diff(delta_mfcc, 1, 1); % 二阶差分
features = [mean_mfcc, mean(delta_mfcc), mean(delta2_mfcc)];

2.3 特征降维与标准化

高维特征可能导致KNN计算效率低下，需通过PCA降维：

[coeff, score, ~, ~, explained] = pca(features');
selected_dim = find(cumsum(explained) > 95, 1); % 保留95%方差
features_pca = score(:, 1:selected_dim)';

标准化处理使特征均值为0、方差为1：

features_normalized = (features_pca - mean(features_pca)) ./ std(features_pca);

三、基于KNN的语音情感分类模型

KNN通过测量样本间的距离（如欧氏距离、余弦相似度）进行分类，MATLAB的Statistics and Machine Learning Toolbox提供了直接支持。

3.1 数据集准备与标签编码

假设数据集包含高兴、愤怒、悲伤三类情感，标签可编码为数值：

labels = {'happy', 'angry', 'sad'};
label_codes = [1, 2, 3]; % 编码为数值

将特征与标签整合为训练集和测试集：

% 假设features_all为N×D矩阵，labels_all为N×1向量
cv = cvpartition(length(labels_all), 'HoldOut', 0.3);
X_train = features_all(cv.training, :);
y_train = label_codes(cv.training);
X_test = features_all(cv.test, :);
y_test = label_codes(cv.test);

3.2 KNN模型训练与预测

使用fitcknn函数训练KNN模型，并调整K值（近邻数）：

knn_model = fitcknn(X_train, y_train, 'NumNeighbors', 5, ...
                    'Distance', 'euclidean', 'Standardize', true);
y_pred = predict(knn_model, X_test);

通过交叉验证选择最优K值：

k_values = 1:2:15;
acc = zeros(size(k_values));
for i = 1:length(k_values)
    model = fitcknn(X_train, y_train, 'NumNeighbors', k_values(i));
    y_pred = predict(model, X_test);
    acc(i) = sum(y_pred == y_test)/length(y_test);
end
[~, opt_k] = max(acc);
optimal_k = k_values(opt_k);

3.3 模型评估与优化

使用混淆矩阵和准确率评估模型性能：

conf_mat = confusionmat(y_test, y_pred, 'Order', label_codes);
accuracy = sum(diag(conf_mat))/sum(conf_mat(:));
fprintf('准确率: %.2f%%\n', accuracy*100);

优化方向包括：

• 特征工程：尝试加入更多情感相关特征（如抖动、谐波噪声比）。
• 距离度量：比较欧氏距离、曼哈顿距离、余弦相似度的效果。
• 加权KNN：对近邻样本赋予不同权重（如距离倒数）。

四、实际应用案例：情绪识别系统开发

以“实时语音情绪识别”为例，完整流程如下：

1. 录音采集：使用MATLAB的audiorecorder对象录制用户语音。
2. 实时处理：通过回调函数逐帧处理音频，提取MFCC和基频特征。
3. 分类预测：每0.5秒更新一次KNN预测结果，并在GUI中显示情绪标签。
4. 结果可视化：用不同颜色标记实时情绪变化（如绿色代表高兴，红色代表愤怒）。

关键代码片段：

recObj = audiorecorder(Fs, 16, 1); % 16位单声道录音
set(recObj, 'TimerFcn', @process_audio, 'TimerPeriod', 0.5);
recordblocking(recObj, 5); % 录制5秒
function process_audio(obj, ~)
    y_segment = getaudiodata(obj);
    % 提取特征（同前）
    features = extract_features(y_segment);
    % 预测情绪
    emotion = predict(knn_model, features);
    % 更新GUI显示
    set(handles.emotion_label, 'String', labels{emotion});
end

五、挑战与解决方案

1. 数据不平衡：某些情绪样本较少，可通过过采样（SMOTE）或加权KNN解决。
2. 实时性要求：优化特征提取算法（如使用MEX文件加速MFCC计算）。
3. 跨语种适应性：需针对不同语言重新训练模型，或引入语言无关特征（如基频动态）。

结论

基于MATLAB的KNN语音情感分析系统，通过结合信号处理、特征工程和机器学习技术，可实现高效、准确的情绪识别。开发者可通过调整特征组合、优化K值和距离度量，进一步提升模型性能。未来方向包括深度学习与KNN的混合模型、多模态情感分析等。