基于多权值神经网络的语音情感识别的研究的中期报告.docx

基于多权值神经网络的语音情感识别的研究的中期报告
本研究旨在利用多权值神经网络（MWNN）来进行语音情感识别。MWNN是一种深度学习算法，能够克服传统人工神经网络的限制，并在各种任务中取得了很好的成果。我们的研究通过使用MWNN来对音频文件进行特征提取和情感分类，从而实现情感识别的目标。
在本次中期报告中，我们主要做了以下工作：
1.收集了多模态语音情感数据库（MSP-IMPROV）。这是一个包含不同音频文件及其相应情感标签的数据库，可以用于训练和测试MWNN模型。
2.对音频文件进行MFCC特征提取。MFCC是一种常用的声音信号处理技术，可以从音频中提取稳定的特征，以便进行情感分类。
3.构建了MWNN模型。我们使用了PyTorch框架来搭建MWNN模型，并分析了不同层数和节点数对模型性能的影响。
4.进行了实验评估。我们在MSP-IMPROV数据库上进行了实验，比较了MWNN和基准模型（使用传统的机器学习算法）的性能。结果显示，MWNN模型在情感识别任务中表现更佳，具有更高的精度和效率。
在后续的研究中，我们将进一步改进MWNN模型，以提高情感识别的准确性和速度。我们还将扩展研究范围，探索MWNN在其他语音处理任务中的应用。