朱 敏，姜芃旭，赵 力

（1.常州信息职业技术学院电子工程学院，江苏 常州 213164；2.东南大学信息科学与工程学院，江苏 南京 210096）

0 引 言

语言学家专注于从语音中探索潜在的信息，代表说话者或声音中间体的状态。作为副语言学中的一项情感任务，语音情感识别技术通过电脑来对输入的情感特征做出判别。作为人机语音交互的重点之一，语音情感识别的相关技术在近年来受到了广泛的关注[1]。语音情感识别有着广阔的研究前景，大量学者对副语言学的研究促使情感识别研究取得了突出的进展。随着计算机性能的逐步提升以及相关语音情感研究内容的不断突破，语音情感技术开始不断应用在各个行业中。作为语音在人工智能发展中的主要分支，语音情感识别的相关研究具有重要的意义。

作为语言情感识别系统中最重要的一步，情感特征提取决定了整个系统对不同情感的识别效果。语言情感识别的核心课题之一便是从语音中提取显著的情感特征[2]。传统的语音情感特征包括谱相关特征、超音质特征和语音质量特征[3]。由于语音本身复杂的内在因素，手工制作的特征目前难以描述更精细的特征表示，如何提高语言情感识别的性能依然是一个挑战。

深度学习网络[4]近年来在表达特征方面表现出了突出的性能，相关的最新研究为语音情感识别提供了更好的描述语音中情绪状态的深度模型。与手工设计的特征相比，神经网络通过自动学习的方式提取的深层特征具有更多的内在信息。……