摘要
本发明涉及一种基于时空多重融合网络的变长语音情感识别方法，属于人工智能领域。该发明包括以下步骤：利用短时傅里叶变换和Mel滤波器组将语音映射为对数Mel滤波能量谱，并保持能量谱的原始长度；利用双向门控循环单元(Bidirectional gated recurrent unit,BiGRU)和注意力机制捕获能量谱的时域情感变化；利用卷积神经网络(Convolutional neuralnetwork,CNN)和全局平均池化定位能量谱的空域情感触发；利用直接连接和集成策略引入多重融合方法，用于能量谱时域与空域的情感交互；利用多分类交叉熵损失函数作为模型训练的指导，实现模型优化。本发明保持语音能量谱的长度不变，可对能量谱的时域与空域实现特征提取互不影响，并通过多重融合获得更完整的时空域情感信息，从而提升语音的情感识别精度。
柿子坊 · 知识产权运营
柿子坊知识产权运营平台