买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏师范大学申请的专利一种基于时频注意力机制的语音情感识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115188383B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210825570.9，技术领域涉及：G10L17/02；该发明授权一种基于时频注意力机制的语音情感识别方法是由金赟;戴妍妍;顾煜;方丛丛;马兴原设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本一种基于时频注意力机制的语音情感识别方法在说明书摘要公布了：本发明公开一种基于时频注意力机制的语音情感识别方法，属于语音情感识别技术领域。提取log‑Mel声谱图特征，利用循环填充方法填充log‑Mel声谱图特征使其变长，将变长的log‑Mel声谱图特征输入语音情感识别模型，包括顺序连接的时频卷积模块、时频注意模块、多层卷积网络和全连接层；时频卷积模块捕获时域、频域变化信息和时频特征，时频注意模块生成时频加权特征图；之后通过多层卷积网络学习深层情感特征；利用Softmax分类器对不同语音情感进行分类。其步骤简单，能够更准确的对语音中的情感进行识别。

本发明授权一种基于时频注意力机制的语音情感识别方法在权利要求书中公布了：1.一种基于时频注意力机制的语音情感识别方法，其特征在于，步骤如下： 步骤a：提取log-Mel声谱图特征，利用循环填充方法填充log-Mel声谱图特征使其变长，将变长的log-Mel声谱图特征输入语音情感识别模型，所述语音情感识别模型包括顺序连接的时频卷积模块、时频注意模块、多层卷积网络和全连接层； 步骤b：时频卷积模块对输入的log-Mel声谱图捕获时域和频域的变化信息，同时提取log-Mel声谱图的时频特征； 步骤c：利用时频注意模块对时频特征分别进行时域和频域方向的权重学习，标定情感特征，生成时频加权特征图； 步骤d：将时频加权特征图送入多层卷积网络学习深层情感特征； 步骤e：对深层情感特征分别沿着时间维度做均值池化、沿着频率做最大池化得到一维情感特征； 步骤f：将一维情感特征送入全连接层投影到所需维度，并利用Softmax分类器对不同语音情感进行分类； 构建时频注意模块包括： 步骤c-1：生成时域注意权重和频域注意权重：经过TCNN和FCNN输出时域特征图和频域特征图，每个特征图有三个维度：通道C、频率H和时间维度W，将输出的两个特征图和，通过平均池化方法和最大池化方法来聚合特征映射的通道信息，生成两个二维映射:、；两个二维映射、的特征图都表示整个通道的平均池化特征和最大池化特征，通过两种不同核大小的独立卷积和进行学习，最后通过Sigmoid激活函数，生成时域注意权重和频域注意权重，公式如下所示： 1， 2， 公式1中，表示经过平均池化后的聚合特征；表示经过最大池化后的聚合特征；表示卷积核大小为的卷积，其中t表示时间区域的帧数；表示时间维度相关权重；为Sigmoid激活函数；同理，公式2中，表示经过平均池化后的聚合特征；表示经过最大池化后的聚合特征；表示卷积核大小为的卷积，其中f是频率间隔的个数；表示频率维度相关权重； 步骤c-2：时域特征图和频域特征图利用残差连接构建时频注意模块，时频注意模块为前馈神经注意模块，分别在时域和频域两个维度推导出注意映射，然后将注意映射到时频特征上进行自适应的特征细化，即时频注意力机制TF_atten，时频注意力机制TF_atten包括时域注意力机制T_atten和频域注意力机制F_atten；然后利用时频注意模块生成时频加权特征图： 利用时频注意力权重、与对应特征图、逐元素相乘，同时为了保护语音中情感信息的完整性，在计算时频注意加权特征图T、S的过程中使用了残差连接，时频加权特征图T、S的计算方法如下： 3， 4， 其中，表示元素相乘。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏师范大学，其通讯地址为：221116 江苏省徐州市铜山新区上海路101号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。