1.一种基于语谱图提取深度空间注意特征的语音情感识别方法，其特征在于：包括以下步骤：步骤a：对已标注指定情感标签的标准情感数据库中的语音进行预处理，生成语谱图；

步骤b：将所述语谱图送入Attention Itti模型提取SEF，SEF为情感相关特征；

步骤c：将语谱图数据 放入微调的混合神经网络的前两层，提取出浅层特征图记为待标定特征，其中第i个待标定权重的特征图为步骤d：将所述SEF特征和所述浅层特征作为输入，送到CSWNet中，生成标定权重特征；

CSWNet为约束型空间权重网络；

步骤e：将所述标定权重特征送入微调的混合神经网络后面的网络层，提取深度情感特征，通过Softmax分类器进行情感分类，生成最终分类结果。

2.根据权利要求1所述的方法，其特征在于，步骤a中，预处理生成语谱图的具体公式为：x(n)为有序长语音时域信号，n为时序采样点信号，窗长为M，w(n)为汉宁窗，函数公式如下：已标注指定情感标签包括中性、恐惧、厌恶、高兴、烦躁、难过和愤怒。

3.根据权利要求2所述的方法，其特征在于，步骤b具体包括以下步骤：设训练语音 其中， 为第i条训练语音，train表示为训练数据；

先将语音转化成语谱图 再经高斯滤波后输出图(1)获取特征图

对于输入的语谱图 第j层图像计算公式为：

其中w(m,n)为下采样高斯核函数，采用 的平滑滤波器，经过8次高斯滤波下采，形成9层高斯金字塔结构；

第j层颜色特征图包括如下两组红绿和黄蓝通道，其中r,g,b分别表示图像的红色、绿色和蓝色通道，具体表达式如下：第j层亮度通道特征图为r，g，b的均值，具体表达式如下：第j层纹理通道特征图处理过程为，将语谱图 灰度化，经过局部二值算法得到再经梯度采样获得纹理通道特征，具体表达式如下：其中 (xc,yc)代表3×3邻域的中心元素，像素为ic，邻域像素值为ip，s(x)是符号函数，定义如下：第j层方向通道特征图为图像经过二维Gabor方向滤波器提取所得，具体表达式如下：(2)经中央周边差和归一化运算得到颜色、亮度、方向和纹理的显著图，分别表示为其中，wc、wi、wo和wt的比例为3:2:1:4。

4.根据权利要求3所述的方法，其特征在于，步骤d具体包括以下子步骤：(1)将步骤c中获得的待标定特征 和步骤b中获得的目标情感特征 分别经过全局池化进行数据压缩得到对应的特征数据，分别记为 和 具体公式如下：(2)将特征维度降低到输入的1/16，经过ReLu函数激活，通过一个FC层升回到原来的维度，具体公式如下：其中δ是指ReLU函数， 和 降维的比例系数为γ；

通过闸值公式选出与SEF特征相近的特征，获得最终标定权重特征，具体公式如下：如果 在 以α为邻域的半径内，取 的最大值，即提高与SEF特征具有强相关性特征的权重；如果 在 以α为邻域的半径外， 值不变，即相对抑制与SEF特征相关性小的特征权重；

(3)将待标定权重矩阵 与全局特征送入加权操作，获取标定权重特征