典型文献
基于多操作网络的图式多域语音情感识别研究
文献摘要：
多域语音情感识别研究在语料标注方法、录制场景以及交互方式等方面存在差异性,使得构建多域语音情感识别系统变得较为复杂.设计一种基于多操作网络的多域语音情感识别模型,通过组合CASIA、EMODB、SAVEE3个单域数据库,构建Hybrid-CE、Hybrid-ES、Hybrid-CS、Hybrid-CES 4种多域语音情感数据库及层级多操作网络(HMN).HMN网络由2个异构并行分支组成,左分支由2个同构并行的一维卷积层构成,卷积层的神经元数量均为128,右分支由并行的Bi-GRU层和Bi-LSTM层构成,GRU和LSTM的记忆单元数量均为64.将原始数据投影到不同的变换空间进行计算,从而更准确地表征语音的情感信息.通过分层的Concate、Add和Multiply多操作运算,将左右分支提取的不同特征进行多重融合.在此基础上,计算梅尔频率倒谱系数、色谱图、谱对比度等低级描述符特征的高级统计函数,得到219维特征作为模型HMN的输入.实验结果表明,该模型在4种多域数据库上的Fl-score分别达到82.22％、65.02％、70.59％、73.47％,具有较好的鲁棒性和泛化性.
文献关键词：
语音情感识别;韵律特征;谱特征;多特征融合;多操作网络
中图分类号：
作者姓名：
张会云;黄鹤鸣
作者机构：
青海师范大学计算机学院,西宁810008;藏语智能信息处理及应用国家重点实验室,西宁810008;藏文信息处理教育部重点实验室,西宁810008;青海省藏文信息处理与机器翻译重点实验室,西宁810008
文献出处：
引用格式：
[1]张会云;黄鹤鸣-.基于多操作网络的图式多域语音情感识别研究)[J].计算机工程,2022(07):59-65
A类：
多操作网络,EMODB,SAVEE3,语音情感数据库,异构并行分支,Concate,Multiply
B类：
图式,多域,语音情感识别,语料标注,标注方法,录制,交互方式,识别系统,识别模型,CASIA,Hybrid,CS,CES,HMN,一维卷积,卷积层,Bi,GRU,单元数量,原始数据,情感信息,Add,左右分,多重融合,梅尔频率倒谱系数,色谱图,对比度,低级,描述符,维特,Fl,score,泛化性,韵律特征,谱特征,多特征融合
AB值：
0.302473
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
