计算机工程

作者：余莉萍, 梁镇麟, 梁瑞宇

单位：1. 复旦大学 计算机科学技术学院, 上海 201203;2. 东南大学 信息科学工程学院, 南京 210096;3. 南京工程学院 信息与通信工程学院, 南京 211167

关键词：儿童情感,时序关系,帧级语音特征,深度注意力门,长短时记忆网络

基金：国家自然科学基金（61673108）。

为实现不同儿童情感需求状态下帧级语音特征的有效获取，建立一种基于改进长短时记忆（LSTM）网络的儿童语音情感识别模型。采用帧级语音特征代替传统统计特征以保留原始语音中的时序关系，通过引入注意力机制将传统遗忘门和输入门转换为注意力门，并根据自定义的深度策略计算得到深度注意力门，从而提高语音情感识别性能。实验结果表明，在Fau Aibo儿童情感数据语料库及婴儿哭声情感需求数据库上，该模型在召回率和F1分数上相比基于传统LSTM的识别模型分别提高了3.14%、5.50%和1.84%、5.49%，在CASIA中文情感数据库上，其相比基于传统LSTM和GRU的识别模型训练时间更短、儿童语音情感识别率更高。

来源：2020年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第6期