[发明专利]一种基于深度自编码器子域自适应跨库语音情感识别方法

权利要求书

1.一种基于深度自编码器子域自适应跨库语音情感识别方法，其特征在于，包括以下步骤：

(1)语音预处理：将源域语料库中的语音数据按对应的情感分类标记数字标签，而目标域数据库不做标签处理，之后对其进行分帧及加窗，为下一步提取特征做准备；

(2)语音特征提取：对步骤(1)预处理完毕后的语音数据，提取语音情感特征，该特征包括但不限于MFCC、短时平均过零率、基频、均值、标准差、最大最小值等；

(3)特征压缩：将步骤(2)得到的语音特征输入两个深度自编码器，其中一个自编码器提取源域数据特征，进行有监督学习，另一个为辅助性自编码器，用来无监督学习目标域数据特征；假设自编码的输入为x，编码阶段的输入用y表示，relu()和elu()为非线性激活函数，则编码过程表示如下：

y＝f(wx+b) (1)

从而获取源域和目标域在低维空间中的情感表示；

(4)特征分布对齐：将步骤(3)得到的低维特征输入子域自适应模块，该模块度量了在考虑不同样本权重的情况下，源域相关子域经验分布核均值嵌入与目标域核均值嵌入之间的Hilbert Schmidt范数，实现了源域和目标域在不同情感空间中的特征分布对齐；该算法实现如下：

(5)训练模型：整个网络训练是通过梯度下降法不断优化训练的，由带标签数据计算的交叉熵作为分类loss，两个自编码器的重构loss，以及域自适应层中基于MMD度量准则的子域自适应loss组成总的损失函数一起优化训练网络参数；整个网络的损失函数表示为：

loss＝loss_重构1+loss_重构2+loss_分类+loss_MMD (5)

(6)重复步骤(3)、(4)，迭代训练网络模型；

(7)利用步骤(6)训练好的网络模型，使用sofmatx分类器识别步骤(2)中的目标域数据集，最终实现语音情感在跨语料库条件下的情感识别。