基于残差网络改进的中文语音情感识别

作者：贾婧雯; 蔡英^*; 尔古打机

来源：计算机工程与设计, 2023, 44(03): 922-928.

DOI：10.16208/j.issn1000-7024.2023.03.039

• 语音情感识别
• 深度学习
• 残差网络
• 注意力机制
• 小样本
• 数据增强
• 语谱图

为解决小样本中文语音情感识别准确度低的问题，提出一种基于残差网络改进的中文语音情感识别网络结构AResnet。使用时域增强和频域增强生成更复杂的模拟样本扩充语音情感数据，将注意力机制引入至残差网络(residual networks)中，关注谱图中情感特征分布，提升情感识别率。在CASIA中文语音数据集上训练、测试，其结果显示，对比DCNN+LSTM、Trumpt-6网络结构，识别率分别提升约14.9%、3%,验证了AResnet在中文语音情感识别中的有效性。该方法也在英语语音数据集eNTERFACE’05上进行实验，识别准确率为92%,验证了AResnet有较好的泛化能力。

• 单位
  西南民族大学