[发明专利]一种基于长短时记忆网络快速识别语音情感类别的方法

权利要求书

1.一种基于长短时记忆网络快速识别语音情感类别的方法，其特征在于，包括以下步骤：

S1、从原始语音数据样本中提取具有时序信息的帧级语音特征；

S2、通过软注意力模型创建基于注意力机制的改进型LSTM模型；

S3、用已知的原始语音数据样本及其语音情感类别对步骤S2中创建好的改进型LSTM模型进行训练，训练好后得到情感类别识别模型；

S4、对步骤S3得到的情感类别识别模型进行情感识别测试验证；

S5、将未知的原始语音数据样本输入情感类别识别模型进行识别，输出对应的语音情感类别。

2.根据权利要求1所述的一种基于长短时记忆网络快速识别语音情感类别的方法，其特征在于，步骤S2中通过软注意力模型创建基于注意力机制的改进型LSTM模型，包括以下步骤：

S21、用软注意力模型中的注意力门替代常规型LSTM模型中的遗忘门以得到新遗忘门；

S22、以步骤S21得到的新遗忘门与常规型LSTM模型中输入控制门的对偶关系，取代常规型LSTM模型中的输入控制门，得到注意力机制的改进型LSTM模型。

3.根据权利要求2所述的一种基于长短时记忆网络快速识别语音情感类别的方法，其特征在于，步骤S21中，用软注意力模型中的注意力门替代常规型LSTM模型中的遗忘门以得到新遗忘门，包括如下步骤：

S21.1、对常规型LSTM模型进行分析，利用LSTM引入细胞结构,通过自循环方式，使得常规型LSTM模型能够关联RNN过去的历史序列，其具体计算公式如下：

f_t＝σ(W_f·[h_t-1,x_t,C_t-1]+b_f) (1)

i_t＝σ(W_i·[h_t-1,x_t,C_t-1]+b_i) (2)

o_t＝σ(W_o·[h_t-1,x_t,C_t]+b_o) (5)

h_t＝o_t*tanh(C_t) (6)

其中，σ为sigmoid激活函数，其取值范围在[0,1]之间，代表了遗忘历史细胞状态的概率；tanh为双曲正切激活函数；h_t-1为t-1时刻的隐层输出，f_t、i_t、o_t分别为遗忘门，输入控制门和输出门，W_f和b_f分别是遗忘门的权重和偏置，W_i和b_i分别是输入控制门的权重和偏置，W_C和b_C分别是细胞状态的权重和偏置，W_o和b_o分别是输出门的权重和偏置，它们是常规型LSTM模型的待训练参数，x_t为t时刻的输入，C_t和C_t-1分别为t与t-1时刻的细胞状态，为t时刻的细胞状态候选值；

S21.2、通过注意力机制优化了常规型LSTM内部的遗忘门计算方式，f_t与i_t取值在0到1之间，它们分别是历史细胞状态与候选细胞状态的加权分数，如公式(4)所示；

步骤S22中，以步骤S21得到的新遗忘门与常规型LSTM模型中输入控制门的对偶关系，取代常规型LSTM模型中的输入控制门，得到注意力机制的改进型LSTM模型，包括以下步骤：

S22.1、通过注意力机制来计算历史细胞状态与候选细胞状态的加权分数，替代常规型LSTM模型中的遗忘门与输入控制门，得到新的细胞状态，新的细胞状态更新公式如下：

其中s_h和s_c分别是历史细胞状态和候选细胞状态的加权系数，它们是依据历史细胞状态与当前候选细胞状态进行计算的，与当前输入和历史输出无关，其中W_h与W_c均是注意力公式里的待学习权重参数，exp是以e为底的指数函数。