文献类型：期刊文章

作　　者：贺正然[1] 沈起帆[1] 吴佳欣[2] 徐梦瑶[3] 赵力[1]

He Zhengran;Shen Qifan;Wu Jiaxin;Xu Mengyao;Zhao Li(School of Information Science and Engineering,Southeast University,Nanjing 210096,China;School of Electronic Science and Engineering,Southeast University,Nanjing 210096,China;School of Computer Science and Software Engineering,University of Stirling,Stirling FK94LA,UK)

机构地区：[1]东南大学信息科学与工程学院,南京210096 [2]东南大学微电子学院,南京210096 [3]School of Computer Science and Software Engineering,University of Stirling,Stirling FK94LA,UK

出　　处：《Journal of Southeast University(English Edition)》

基　　金：The Key Research and Development Program of Jiangsu Province(No.BE2022059-3).

年　　份：2023

卷　　号：39

期　　号：1

起止页码：68-73

语　　种：中文

收录情况：CAS、EI、IC、JST、MR、SCOPUS、ZMATH、普通刊

摘　　要：为了提高语音情感识别的准确度,探讨了将Transformer应用于语音情感识别的可能性.将对数梅尔尺度谱图及其一阶差分特征相融合作为输入,使用Transformer来提取分层语音表示,分析注意头个数和Transformer编码器层数的变化对识别精度的影响.结果表明,在ABC、CASIA、DES、EMODB和IEMOCAP语音情感数据库上,相比以MFCC为特征的Transformer,所提模型的精度分别提高了13.98%、8.14%、24.34%、8.16%和20.9%.该模型表现优于递归神经网络(RNN)、卷积神经网络(CNN)、Transformer等其他模型.

关 键 词：语音情感识别 TRANSFORMER 多头注意力机制  融合特征  

分 类 号：TP391.42]