论文笔记

LSTM神经网络在语音情绪识别中的应用

论文标题：基于长短期记忆网络的语音情感识别Speech Emotion Recognition Based on Long Short-Term Memory Neural Network
论文撰写者：辛创业 许芬

摘要

实验所采用的数据库为基于真实情境构建的 CHEAVD2．0 情感数据集。在完成对音频信号的预处理操作后，从中提取出多个关键特征参数，包括梅尔倒谱系数、短时过零率、基音周期以及频率等。为了有效捕捉音频数据在时间维度上的连续性与相关性，研究中引入了长短时记忆网络作为核心模型，用于执行情绪识别与分类的任务。

介绍

随着语音识别技术的不断进步，情绪识别在实验室环境下已取得较为理想的成效，但在实际应用中的识别表现仍存在不足。语音情绪识别的实现过程主要包含三个阶段：语音信号的预处理、特征提取以及情感分类，其中特征是否能够准确表征对应类别是决定识别精度的核心因素。本研究采用 OPENSMILE 软件完成特征提取工作，所选取的特征参数包括基音频率、梅尔倒谱系数及短时能量等。
完成特征提取后，需借助分类器对数据进行分类处理。已有研究利用支持向量机（Support Vector Machine, SVM）开展语音情绪识别任务，并且深度神经网络（Deep Neural Networks, DNN）、卷