Publications / 2025
SigWavNet: Learning Multiresolution Signal Wavelet Network for Speech Emotion Recognition
Résumé
SigWavNet propose un cadre neuronal multirésolution de bout en bout pour reconnaître les émotions à partir du signal vocal brut. Il apprend les bases d’ondelettes et le débruitage en s’appuyant sur les propriétés de la transformée en ondelettes discrète rapide, notamment l’algorithme en cascade et les filtres miroirs en quadrature. La représentation temps-fréquence est associée à un réseau convolutif dilaté à une dimension avec attention spatiale et à des GRU bidirectionnelles avec attention temporelle. Le modèle traite la parole de durée variable sans segmentation ni étapes distinctes de prétraitement ou de post-traitement. Les auteurs rapportent des résultats supérieurs aux méthodes comparées sur IEMOCAP et EMO-DB.
Citation et BibTeX
Alaa Nfissi, Wassim Bouachir, Nizar Bouguila, Brian Mishara. (2025). SigWavNet: Learning Multiresolution Signal Wavelet Network for Speech Emotion Recognition. IEEE Transactions on Affective Computing, 16(3), 1839–1854. https://doi.org/10.1109/TAFFC.2025.3537991
@article{nfissi-sigwavnet-2025,
title = {SigWavNet: Learning Multiresolution Signal Wavelet Network for Speech Emotion Recognition},
author = {Nfissi, Alaa and Bouachir, Wassim and Bouguila, Nizar and Mishara, Brian},
year = {2025},
journal = {IEEE Transactions on Affective Computing},
doi = {10.1109/TAFFC.2025.3537991},
url = {https://doi.org/10.1109/TAFFC.2025.3537991},
volume = {16},
number = {3},
pages = {1839--1854}
}Projets de recherche
- 01
Projets
Apprentissage temps-fréquence adaptatif
Un dossier reliant ondelettes apprenables, paquets d’ondelettes, débruitage et superlettes fractionnaires.
Axes de recherche
- 01
Programmes de recherche
Représentations apprenables du signal
Ondelettes, paquets d’ondelettes et superlettes fractionnaires : des représentations adaptatives pour l’analyse émotionnelle et l’amélioration de la parole.
Code
- 01
Dépôts de code
SigWavNet
Code de recherche associé au dossier « Apprentissage temps-fréquence adaptatif ».