摘要
本发明涉及语音信号的情感分析处理技术领域,具体涉及一种基于深度学习的语音情感识别模型的训练方法及系统。本发明首先获取语音信号数据样本,并进行短时傅里叶变换;进一步获取目标窗口的情感表达参数;进一步根据情感表达参数的波动特征,结合语音信号的变化特征,获取目标样本的情感激烈程度;进一步基于情感激烈程度对目标样本进行信号分解,获取目标样本的去干扰语音信号;最后根据所有语音信号数据样本的去干扰语音信号,训练语音情感识别模型。本发明通过不同短时窗口内语音情感的动态特征,分析语音信号的情感激烈程度,对语音信号进行分解,去除个体特征的干扰,使得模型训练结果具备更强的泛化能力,提升语音情感识别精度。
技术关键词
语音情感识别模型
信号分解方法
参数
样本
频率
偏离特征
短时傅里叶变换
波动特征
语音情感识别系统
包络
动态
处理器
存储器
数据
精度