En escenarios de corpus cruzados, los métodos de procesamiento de características inapropiados tienden a causar la pérdida de información emocional clave. Además, las redes neuronales profundas contienen una redundancia sustancial, lo que provoca problemas de cambio de dominio y perjudica la capacidad de generalización de los sistemas de reconocimiento de emociones. Para abordar estos desafíos, este estudio propone un modelo de reconocimiento de emociones en el habla basado en la refinación de características impulsada por atención y la reconstrucción espacial. Específicamente, el enfoque propuesto consta de tres componentes clave: primero, un autoencoder integrado con un mecanismo de atención de múltiples cabezas para mejorar la capacidad del modelo de centrarse en los componentes emocionales de las características acústicas durante el proceso de compresión de características de la red autoencoder; segundo, un módulo de refinamiento de características y reconstrucción espacial diseñado para mejorar aún más la extracción de características emocionales, con un mecanismo de compuerta empleado para optimizar el proceso de reconstrucción de características; finalmente, la función de pérdida de Charbonnier adoptada como la métrica de pérdida durante el entrenamiento para minimizar la diferencia entre las características del dominio fuente y del dominio objetivo, mejorando así la robustez del modelo en dominios cruzados. Los resultados experimentales demostraron que el método propuesto logró una precisión media de reconocimiento del 46.75% en seis conjuntos de experimentos de corpus cruzados, lo que representa una mejora del 4.17% al 14.33% en comparación con los métodos tradicionales de adaptación de dominio.