基于残差网络改进的中文语音情感识别

摘要：

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.

关键词：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

所属期刊栏目：44

分类号：TN912.34

资助基金：西南民族大学研究生创新研究基金项目CX2021SZ38

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：922-928