利用深度学习进行可变长度语音片段的情感识别.pdf

◆教育理论◆ SANWENBAIJIA
利用深度学****进行可变长度语音片段的情感识别
魏金太 王 振
河南林业职业学院
摘  要：通过将深度神经网络应用于频谱图，提出一种用于可变长度语音段的情感识别方法。从频谱图中提取这些信息，
并通过将卷积神经网络（CNN）与递归神经网络（RNN）相结合来完成情感识别任务。与传统的将句子分割成更小的固定长
度段的方法相比，该方法可以解决语音分割过程中引入的准确性降低问题。
关键词：变长语音片段；深度学****频谱图；神经网络；情感识别
情感识别在许多应用中起着重要的作用，特别是在当 Bhargava 和 Rose 使用叠加的瓶颈深度神经网络（DNNs）对
今日益普遍的人机交互系统中。作为人类之间的主要传播媒 窗口化语音波形进行训练，并且在相同体系结构上获得的结
体之一，语音已经引起了研究者的广泛关注。言语包含丰富 果只比相应的 MFCC 略差。直接使用梅尔谱声谱图进行说话
的情绪信息，如何从语音信号中提取这些信息对于自动语音 人识别也被证明是成功的。此外，基于线性间隔频谱图描述
情感识别具有重要意义。作为语音情感识别的重要组成部 了最近公布的现有技术的鲁棒语音识别系统。
分，提取最相关的声学特征引起了很多研究兴趣。这些研究 在语音情感识别领域，已经进行了一些使用深度神经
大部分都致力于设计一些手势特征，这些特征对于情感识别 网络进行特征学****的研究。最近，乔治等人提出了一个卷积
来说是最有特色的。 循环神经网络，对原始信号进行操作，从语音数据中执行端
最近，机器学****社区的一个趋势是直接从原始未处理 到端的自发情绪预测任务。Satt 等人还将 CNN 和 LSTM 相结
数据中推导出输入信号的表示。这个想法背后的原因是网络 合，对线性间隔频谱图中的情绪进行分类，超过了通用基准
可以自动学****原始输入信号的中间表示，它更适合手头的任 数据集