语音情感识别的数据集普遍存在语音数据长短不一致的现象，进行补零处理会造成无用信息的冗余。针对此问题，提出了一种基于差分整合移动平均自回归ARIMA算法特征补齐的语音情感识别算法。首先进行特征的选取，并利用ARIMA方法进行语音特征的补齐。然后，基于因果扩张卷积神经网络和长短期记忆网络，构建语音情感识别模型。最后，采用柏林语音集进行实验，结果表明：用ARIMA方法对特征进行补齐，一定程度上提高了模型的表现力；使用因果扩张卷积搭建模型，增加了模型的泛用性。
科研之友
微信
新浪微博
Facebook
分享链接
