公开(公告)号：CN114203203A

公开(公告)日：2022-03-18

申请号：CN202110812035.5

申请日：2021-07-19

Applicant: 南京邮电大学

Inventor： 孙林慧 ,  李秋 ,  黄译庆 ,  李平安

IPC: G10L25/63 ,  G10L25/03 ,  G10L25/30 ,  G10L25/45

Abstract: 本发明揭示了一种基于两阶段瓶颈层特征选择和多分类器联合判决算法的语音情感识别方法，包括如下步骤：S1、提取傅里叶系数特征并输入深度神经网络，训练深度神经网络以提取瓶颈特征，得到深层瓶颈层特征及浅层瓶颈层特征；S2、对深层瓶颈层特征与浅层瓶颈层特征的寻优融合；S3、对融合后的深浅层瓶颈层特征进行特征筛选，降低特征维度，提取情感区分度高的特征；S4、构建组合分类器，提出多分类器联合判决算法，进行联合判决、得到最终判决结果。本发明提取了深层瓶颈层特征和浅层瓶颈层特征，并利用GA对这两种特征进行融合，弥补了单一的瓶颈层特征不能全面表达情感信息的缺陷，进一步提升了语音情感识别效果。

公开(公告)号：CN114203203B

公开(公告)日：2024-12-31

申请号：CN202110812035.5

申请日：2021-07-19

Applicant: 南京邮电大学

Inventor： 孙林慧 ,  李秋 ,  黄译庆 ,  李平安

IPC: G10L25/63 ,  G10L25/03 ,  G10L25/30 ,  G10L25/45

Abstract: 本发明揭示了一种基于两阶段瓶颈层特征选择和多分类器联合判决算法的语音情感识别方法，包括如下步骤：S1、提取傅里叶系数特征并输入深度神经网络，训练深度神经网络以提取瓶颈特征，得到深层瓶颈层特征及浅层瓶颈层特征；S2、对深层瓶颈层特征与浅层瓶颈层特征的寻优融合；S3、对融合后的深浅层瓶颈层特征进行特征筛选，降低特征维度，提取情感区分度高的特征；S4、构建组合分类器，提出多分类器联合判决算法，进行联合判决、得到最终判决结果。本发明提取了深层瓶颈层特征和浅层瓶颈层特征，并利用GA对这两种特征进行融合，弥补了单一的瓶颈层特征不能全面表达情感信息的缺陷，进一步提升了语音情感识别效果。

公开(公告)号：CN114898776A

公开(公告)日：2022-08-12

申请号：CN202210497889.3

申请日：2022-05-09

Applicant: 南京邮电大学

Inventor： 孙林慧 ,  王静 ,  张子晓 ,  李秋

IPC: G10L25/63 ,  G10L25/18 ,  G10L25/21 ,  G10L25/30

Abstract: 本发明公开了一种多尺度特征联合多任务CNN决策树的语音情感识别方法，首先采集每条语音在帧长为256、400和512时的MFCC参数、能量参数、基因频率参数和短时过零率参数的统计特征，将三个尺度下的统计特征进行融合，用于输入多任务1DCNN模型；然后引入性别识别辅助任务，在1DCNN中同时进行语音情感和性别识别任务；再构造多任务1DCNN决策树模型，实现由粗到细地进行情感划分；最后对多任务CNN决策树的语音情感识别方法进行性能评估；本发明进一步挖掘了语音信号的多尺度情感特征并引入多任务的1DCNN决策树进行语音情感识别，使得系统的情感识别性能、泛化能力进一步提升，可以很好地应用于智能人机交互中。