计算机工程

作者：张会云, 黄鹤鸣

单位：1. 青海师范大学 计算机学院, 西宁 8100082. 藏语智能信息处理及应用国家重点实验室 西宁 810008

关键词：语音情感识别,策略时间卷积网络,多任务学习,数据扩充,特征提取

基金：国家自然科学基金(62066039); 青海省自然科学基金(2022-ZJ-925)

检测与识别网络中语音的情感状态有助于把控舆情信息，若能同时辨别说话人及其性别，则对掌握舆情的真实意图更有帮助。基于数据集EMODB，提出用于情感分类、说话人辨别和性别识别的多任务学习策略时间卷积网络（DTCN）。针对多任务学习中数据集较小的问题，设计数据增强技术，在不同信噪比下采用加噪的方式对数据集EMODB进行扩充，构建单信噪比含噪数据集EMODB-10、EMODB-5、EMODB0、EMODB5、EMODB10以及多信噪比含噪数据集EMODBM。同时，通过研究单一噪声和混合噪声，验证不同噪声对DTCN模型性能的影响。为了更好地表征数据特性，提出适用于多任务学习的声学特征集。实验结果表明，在具有正信噪比和多信噪比含噪数据集上进行测试时，DTCN模型在多任务学习场景下的表现均优于基线，较容易辨别说话人性别，且随着噪声种类增多，对多任务学习的性能不断提高，在混合噪声下鲁棒性和泛化性更好。

来源：2023年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第10期