公开(公告)号：CN109036467A

公开(公告)日：2018-12-18

申请号：CN201811258369.7

申请日：2018-10-26

Applicant: 南京邮电大学

Inventor： 卫伟 ,  李晓飞 ,  吴聪 ,  柴磊

IPC: G10L25/63 ,  G10L25/30 ,  G10L25/18 ,  G10L25/03

CPC classification number: G10L25/63 ,  G10L25/03 ,  G10L25/18 ,  G10L25/30

Abstract: 本发明公开了基于TF‑LSTM的CFFD提取方法、语音情感识别方法及系统，其中基于TF‑LSTM的语音情感识别系统包括CFTD生成模块，用于根据预先提取的语音信号的时域上下文信息，生成CFTD；混合深度神经网络模型构造模块，用于构造混合深度神经网络模型；CFFD提取模块，用于将预先提取的256x256维的频域特征输入到构造的混合深度神经网络模型提取；分类器训练模块：用于将CFTD和CFFD两种特征进行融合，训练线性SVM分类器，获得最终的语音情感识别结果。本发明融合了两种深度特征信息包括时域特征和频域特征，以提高语音情感识别的准确性；采用一维卷积神经网络提取时域底层特征，通过多个LSTM模块学习语音情感信息，较好的得到了时域情感信息的上下文特征。

公开(公告)号：CN109036467B

公开(公告)日：2021-04-16

申请号：CN201811258369.7

申请日：2018-10-26

Applicant: 南京邮电大学

Inventor： 卫伟 ,  李晓飞 ,  吴聪 ,  柴磊

IPC: G10L25/63 ,  G10L25/30 ,  G10L25/18 ,  G10L25/03

Abstract: 本发明公开了基于TF‑LSTM的CFFD提取方法、语音情感识别方法及系统，其中基于TF‑LSTM的语音情感识别系统包括CFTD生成模块，用于根据预先提取的语音信号的时域上下文信息，生成CFTD；混合深度神经网络模型构造模块，用于构造混合深度神经网络模型；CFFD提取模块，用于将预先提取的256x256维的频域特征输入到构造的混合深度神经网络模型提取；分类器训练模块：用于将CFTD和CFFD两种特征进行融合，训练线性SVM分类器，获得最终的语音情感识别结果。本发明融合了两种深度特征信息包括时域特征和频域特征，以提高语音情感识别的准确性；采用一维卷积神经网络提取时域底层特征，通过多个LSTM模块学习语音情感信息，较好的得到了时域情感信息的上下文特征。