２０２３年８月陕西理工大学学报(自然科学版)Ａｕｇ.２０２３第３９卷第４期ＪｏｕｒｎａｌｏｆＳｈａａｎｘｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｖｏｌ.３９Ｎｏ.４引用格式:黄喜阳ꎬ杜庆治ꎬ龙华ꎬ等.基于ＭＦＣＣ特征融合的语音情感识别算法[Ｊ].陕西理工大学学报(自然科学版)ꎬ２０２３ꎬ３９(４):１７￣２５.基于ＭＦＣＣ特征融合的语音情感识别算法黄喜阳ꎬ杜庆治∗ꎬ龙华ꎬ邵玉斌昆明理工大学信息工程与自动化学院ꎬ云南昆明６５０５０４摘要:在目前语音情感识别中ꎬ采用单一梅尔倒谱系数(ＭＦＣＣ)频谱的方法不能完全体现语音中所包含的情感特性ꎬ而多特征融合容易导致维数过大ꎮ提出了一种融合ＭＦＣＣ及其差分频谱的双向长短时记忆网络结合卷积神经网络(Ｂｉ￣ＬＳＴＭ￣ＣＮＮ)的语音情感识别算法ꎮ首先提取语音信号的ＭＦＣＣ特征ꎬ并进行差分运算得到一阶、二阶差分特征提取频谱ꎬ再采用主成分分析法分别获取３个频谱中贡献度较高的维度组成新的频谱ꎬ达到降维目的ꎬ并将降维后的３个特征频谱从上到下依次进行堆叠ꎬ得到动、静结合的ＭＦＣＣ差分融合频谱ꎮ训练阶段Ｂｉ￣ＬＳＴＭ￣ＣＮＮ模型从特征融合频谱中学习语音情感特性ꎬ并采用稀疏交叉熵法得到最优结果ꎮ实验结果表明在ＲＡＶＤＥＳＳ数据集上准确率为８１.３２％ꎬ在ＥＭＯ￣ＤＢ数据集上对情感识别的准确率为８５.５１％ꎬ比主流情感识别模型的准确率提高了４.８５％ꎮ关键词:语音情感识别ꎻ主成分分析法ꎻ双向长短时记忆网络ꎻＭＦＣＣ差分融合频谱ꎻ深度学习中图分类号:ＴＮ９１２.３４文献标识码:Ａ文章编号:２０９６￣３９９８(２０２３)０４￣００１７￣０９收稿日期:２０２３￣０２￣２７修回日期:２０２３￣０５￣０９基金项目:云南省媒体融合重点实验室开放项目(３２０２２５４０３)∗通信作者:杜庆治(１９７７—)ꎬ男ꎬ云南楚雄人ꎬ高级实验师ꎬ主要研究方向为通信工程、信息系统、网络安全ꎮ情感信息在语音信号中也是一种很重要的信息资源ꎬ对于说话人情感的分析有很重要的研究意义ꎮ通常语音情感分为七大类ꎬ分别是生气(ａｎｇｅｒ)、害怕(ｆｅａｒ)、无聊(ｂｏｒｅｄｏｍ)、厌恶(ｄｉｓｇｕｓｔ)、高兴(ｈａｐ￣ｐｉｎｅｓｓ)、中性(ｎｅｔｒａｌ)、悲伤(ｓａｄｎｅｓｓ)ꎮ当相同内容的话ꎬ说话人当时情...
