计算机应用

作者：昝志辉, 王雅静, 李珂, 杨智翔, 杨光宇

单位：1.山东理工大学 计算机科学与技术学院，山东 淄博 255049；2.山东理工大学 电气与电子工程学院，山东 淄博 255000

关键词：语音情感识别,深度学习,多特征融合,数据增强,长短时记忆网络,简化加性注意力机制

基金：山东省自然科学基金资助项目(ZR2024MD031)

针对单一语音情感特征对语音信息表征不全面及模型对语音特征利用率低的问题，提出一种基于SAA-CNN-BiLSTM网络的多特征融合语音情感识别方法。该方法引入噪声、音量和音速增强器对数据进行增强，以使模型学习到多样化数据特征，并将基频、时域以及频域特征进行多特征融合，从不同角度全面表达情感信息。此外，在双向长短时记忆（BiLSTM）网络的基础上引入卷积神经网络（CNN）捕获输入数据的空间相关性，并提取更具代表性的特征。同时，构建简化加性注意力（SAA）机制，简化显式查询键和查询向量，使注意力权重计算不依赖于特定查询信息，而不同维度的特征能基于注意力权重进行相互关联和影响，特征之间的信息得以交互和融合，从而提高特征的有效利用率。实验结果表明，该方法在EMO-DB、CASIA和SAVEE数据集上分别达到了87.02%、82.59%和73.13%的加权精度，相较于增量卷积（IncConv）、异构并行卷积双向长短期记忆（NHPC-BiLSTM）和动态卷积递归神经网络（DCRNN）等基线方法，分别提升了0.52~9.80、2.92~23.09和3.13~16.63个百分点。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期