基于多特征融合的藏语语音情感识别

藏语语音情感识别是语音情感识别在少数民族语音处理上的应用，语音情感识别是人机交互的重要研究方向，提取最能表征语音情感的特征并构建具有较强鲁棒性和泛化性的声学模型是语音情感识别的重要研究内容。基于此，为了构建具有高效性和针对性的藏语语音情感识别模型，文中构建了一种藏语语音情感数据集（TBSEC001），并提出一种适合于藏语的手工语音情感特征集（TPEFS），该特征集是在藏语与其他语言的共性和特性的基础上手工提取得到的，TPEFS特征集在支持向量机（SVM）、多层感知机（MLP）、卷积神经网络（CNN）、长短时记忆网络（LSTM）这些经典网络中都取得了不错的效果。所提出的方法在藏语语音数据集（TBSEC001）上取得了88.4%的识别结果，以及在EMODB、RAVDESS、CASIA数据库上分别取得了84.1%、74.3%以及82.5%的识别结果。实验结果表明，该特征集在保证识别率的情况下，对藏语语音情感识别具有一定针对性。