一种基于多尺度深度卷积循环神经网络的语音情感识别方法

摘要

本发明公开了一种基于多尺度深度卷积循环神经网络的语音情感识别方法。实现步骤为：(1)三通道语音频谱片段的生成；(2)采用深度卷积神经网络(CNN)提取不同尺度下的语音频谱片段特征；(3)采用长短时记忆网络(LSTM)实现不同尺度下的语音频谱片段序列的时间建模，输出整句语音的情感识别结果；(4)采用分数层融合方法实现不同尺度下CNN+LSTM取得的识别结果的融合，输出最终的语音情感识别结果。本发明可有效提高实际环境下的自然语音情感识别性能，可用于人工智能、机器人技术、自然人机交互技术等领域。