改进MFCC和并行混合模型的语音情感识别

作者：崔琳; 崔晨露^*; 刘政伟; 薛凯

来源：计算机科学, 2023, 50(S1): 166-172.

• 语音情感识别
• MFCC
• 多头注意力机制
• 滑动平均滤波器
• softmax

传统MFCC不仅忽略了浊音信号中基音频率的影响，还不能表征语音的动态特征，因此提出利用滑动平均滤波器滤除浊音信号的基音频率，并在提取完静态MFCC特征后再通过提取其一阶差分与二阶差分来获取动态特征。将得到的特征送入模型中进行训练，为了构建更高效的语音情感识别模型，搭建了一种融合多头注意力机制的并行混合模型。多头注意力机制不仅可以有效防止梯度消失现象，构建更深层的网络，各个注意力头还可以执行不同的任务来提高准确率。最后进行情感特征分类，传统softmax在进行分类时类内距离可能会变大导致模型的置信度差，因此引入了中心损失函数，将两者联合来进行分类。实验结果表明，所提方法在RAVDESS数据集和EMO-DB数据集上的准确率可以分别达到98.15%和96.26%。

• 单位
  西北工业大学; 西安工程大学