甘 宏

(广州南方学院，510925，广州)

1 问题提出

随着计算机行业的不断发展，人工智能走进人们的生活,通过语音实现人机交互正逐渐成为主流的人机交互方式，语音情感识别能够让机器感知人类的情绪,听懂人的情感，在心理健康状态监控,教育辅助，个性化内容推荐，客服质量监控方面都具有广泛应用前景，但目前语音情感识别系统的识别率较低不足以大规模商用，提高情感识别准确度是一个亟待解决的难题。在人工智能研究中，情感的识别和表达是不可或缺的一个环节，人工智能想要达到真正的智能，应当具有同人类一样的情感感知和表达能力，因此语音情感识别研究格外重要。语音情感识别目前已经应用到一些领域，提供服务。例如，在医疗领域，进行儿童抑郁症检测以及临终关怀；在交通安全领域，进行驾驶人情绪检测，提供警告以保证驾驶安全；在客服系统中，通过情感识别模块识别客服工作中的情绪表达，辅助客服培训及日常工作监测等。

语音情感识别起源于20世纪80年代，Bezooijen和Tolkmitt最早提出采用声学特征进行语音情感识别研究[1-2]。此后，语音情感数据库逐步被建立，例如EMO-DB[3]和FAU-Aibo。提取出的声学特征被送入机器学习分类器进行情感分类，如GMM[4]、HMM[5]、SVM[6]、MLP[7]。

但是应用特征集进行语音情感识别很难找到表达语音情感的完备特征集和，今年学术界更倾向于采用深度学习技术进行语音情感识别。如采用MFCC或者语谱图作为特征，基于CNN和LSTM的深度学习网络进行情感分类[8-9]。……