计算机工程

作者：杜晨阳, 张雪英, 黄丽霞, 李娟

单位：太原理工大学电子信息与光学工程学院, 山西 太原 030024

关键词：深度学习,语音情感识别,注意力机制,多特征融合,决策级融合

基金：国家自然科学基金(62271342)

注意力机制已经广泛地用于语音情感识别(SER)领域, 但是传统注意力模块在提升模型性能表现的同时也会大幅增加模型的参数量。高效通道注意力(ECA)机制虽然参数量较小, 但是只能对通道维度生成注意力权重。针对这个问题, 提出一种改进ECA (IECA)模块, 该模块以较小的参数量对输入的特征图的各个维度生成对应的权重, 使得模型更关注和利用特征图中的重要信息。此外, 为了进一步提升识别率, 分别提取语音的语谱图特征和IS10特征, 通过融合网络对不同支路的预测结果进行决策融合, 得到最终的预测结果。所提出的模型在EMODB和CASIA两个语音情感数据集上分别取得了91.63%、92.46%的加权准确率(WA)和91.25%、92.33%的未加权平均召回率(UAR), 相较之前的研究结果分别有2.69~8.43和4.16~10.69百分点的提升。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期