改进语音处理的卷积神经网络中文语音情感识别

作者：乔栋; 陈章进; 邓良; 屠程力

来源：计算机工程, 2021, 1-11.

DOI：10.19678/j.issn.1000-3428.0060270

• 语音情感识别
• MFCC特征
• 高斯白噪声
• 数据增强
• 卷积神经网络

语音情感识别在人机交互中具有重要意义，为解决中文语音情感识别的识别效率差、识别准确率低等问题，该文章提出了一种改进语音处理的卷积神经网络中文语音情感识别。通过改进原有的MFCC（Mel Frequency Cepstrum Coefficient， MFCC， 梅尔倒谱系数）特征提取过程中进行分帧加窗操作时采样点的选择，进而调整了特征图尺寸，提高了识别效率；并且使用高斯白噪声对数据集进行数据增强处理，同时建立了一种Trumpet-6卷积神经网络结构用于中文语音情感识别，提高了识别准确率。最终的语音情感识别方法识别效率提高了约4倍，其在CASIA（Chinese Academy of Sciences Institute of Automation， 中国科学院自动化所）语音情感数据集上的测试集准确率达到了95.7%，且模型结构参数少，共176550个待训练参数。并且验证了其在跨语料库时的情感识别能力，结果反映该文章方法对中文语音情感有较好分类效果。

• 出版日期2021-2-8
• 单位上海大学