自动语音情感识别（SER）是一项具有挑战性和吸引力的任务，它可以使人机交互更加有效，并且服务机器人可以更深入地了解人类。 为了获得SER的高精度，需要从语音中提取显着特征。 在本文中，我们使用深度卷积神经网络（DCNN）提取特征（DCNNF），然后设计一个堆叠式自动编码器（SAE）模糊滤波器，以通过DCNNF选择显着特征，将其称为SF（显着特征）。 我们在CASIA中国情感语料库上的实验结果表明，与直接使用DCNNs特征的模型相比，该模型具有更好的性能。

使用卷积神经网络学习语音情感识别的显着特征