1.一种语音情感识别方法，包括：

构建深度强化学习模型；

将大规模语音情感数据集输入深度强化学习模型中对深度神经网络进行预训练；其中，预训练包括在大规模语音情感数据集中获取第一语音情感信号；

对所述第一语音情感信号进行预处理；

从经过预处理后的所述第一语音情感信号中提取第一语音情感特征；

将所述第一语音情感特征输入到所述深度强化学习模型中进行训练；

将预训练好的深度神经网络迁移至元学习模型，形成深度神经网络模型；

将小样本语音情感数据集输入所述深度神经网络模型中对预训练后的深度神经网络进行元训练；其中，元训练包括将所述深度神经网络模型的第一分类层替换成符合小样本数据类别的第二分类层；

将所述小样本语音情感数据集划分为训练集和测试集；

在所述训练集和所述测试集中获取第二语音情感信号；

对所述第二语音情感信号进行预处理；

从经过预处理后的所述第二语音情感信号中提取第二语音情感特征；

将所述训练集中提取的所述第二语音情感特征输入所述深度神经网络模型中对所述深度神经网络模型进行元训练；

对经过所述元训练的所述深度神经网络模型进行元测试，并输出语音情感识别结果。

2.如权利要求1所述的一种语音情感识别方法，其中，所述构建深度强化学习模型包括：强化学习框架主要由智能体和环境组成，将所述深度神经网络嵌入到所述智能体中，构成深度强化学习模型。

3.如权利要求1所述的一种语音情感识别方法，包括：将所述训练集划分为第一支持集和第一查询集；

将所述第一支持集得到的损失值更新所述第二分类层的参数，并将所述第一查询集得到的损失值作为参数更新缩放移动函数。

4.如权利要求3所述的一种语音情感识别方法，其中对经过所述元训练的所述深度神经网络模型进行元测试包括：将所述测试集划分为第二支持集和第二查询集；

利用所述第二支持集对所述第二分类层的参数进行微调；

利用所述第二查询集输出语音情感识别结果并评估所述深度神经网络模型。

5.一种基于强化元迁移学习的语音情感识别装置，包括：深度强化学习模块，用于输入大规模语音情感数据集并对深度神经网络进行预训练；

其中，所述深度强化学习模块被配置为：强化学习模块主要由智能体和环境组成，将所述深度神经网络嵌入到所述智能体中构成深度强化学习模块；

在大规模语音情感数据集中获取第一语音情感信号，对所述第一语音情感信号进行预处理，从经过预处理后的所述第一语音情感信号中提取第一语音情感特征，将所述第一语音情感特征输入到所述深度强化学习模块中进行预训练；

迁移学习模块，用于将所述预训练后的深度神经网络迁移至元学习模型形成深度神经网络模型；

深度神经网络模块，用于输入小样本语音情感数据集对所述深度神经网络进行元训练，对经过所述元训练的所述深度神经网络模型进行元测试，并输出语音情感识别结果；

其中，深度神经网络模块被配置为：

将所述深度神经网络模块的第一分类层替换成符合小样本数据类别的第二分类层；

将所述小样本语音情感数据集划分为训练集和测试集；

在所述训练集和所述测试集中获取第二语音情感信号；

对所述第二语音情感信号进行预处理；

从经过预处理后的所述第二语音情感信号中提取第二语音情感特征；

将所述训练集中提取的所述第二语音情感特征输入所述深度神经网络模块中对所述深度神经网络模块进行元训练；

将所述训练集划分为第一支持集和第一查询集；

将所述第一支持集得到的损失值更新所述第二分类层的参数，并将所述第一查询集得到的损失值更新缩放移动函数；

将所述测试集划分为第二支持集和第二查询集；

利用所述第二支持集对所述第二分类层的参数进行微调；

利用所述第二查询集输出语音情感识别结果并评估所述深度神经网络模型。

6.一种计算机可读存储介质，其上存储有计算机指令，其中，该计算机指令被处理器执行时用于实现如权利要求1‑4任一项所述方法的步骤。