基于压缩感知的语音情感识别技术的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 缩略词列表 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 语音情感识别的研究背景和现状 | 第14-17页 |
| 1.2 压缩感知的研究背景和现状 | 第17-19页 |
| 1.3 论文的研究内容和结构 | 第19-22页 |
| 第二章 语音情感识别以及压缩感知理论基础 | 第22-36页 |
| 2.1 语音情感识别理论基础 | 第22-30页 |
| 2.1.1 语音情感分类 | 第22-23页 |
| 2.1.2 语音情感特征参数 | 第23-28页 |
| 2.1.3 识别方法建模 | 第28-30页 |
| 2.1.4 基于GMM的语音情感识别 | 第30页 |
| 2.2 压缩感知原理 | 第30-35页 |
| 2.2.1 稀疏分解 | 第31-32页 |
| 2.2.2 观测矩阵 | 第32-33页 |
| 2.2.3 重构算法 | 第33-35页 |
| 2.3 小结 | 第35-36页 |
| 第三章 基于压缩感知的语音情感识别 | 第36-42页 |
| 3.1 引言 | 第36页 |
| 3.2 稀疏激励语音信号 | 第36-37页 |
| 3.3 基于CS的语音情感识别 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于压缩感知抑噪的语音情感识别 | 第42-48页 |
| 4.1 引言 | 第42页 |
| 4.2 语音增强算法 | 第42-45页 |
| 4.2.1 稀疏矩阵设计 | 第42-44页 |
| 4.2.2 观测矩阵设计 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-47页 |
| 4.4 本章总结 | 第47-48页 |
| 第五章 基于稀疏贝叶斯学习的语音情感识别 | 第48-56页 |
| 5.1 引言 | 第48页 |
| 5.2 传统稀疏分解算法 | 第48-50页 |
| 5.2.1 BP算法和FOCUSS算法 | 第48-50页 |
| 5.2.2 稀疏分解算法和重构 | 第50页 |
| 5.3 稀疏贝叶斯学习 | 第50-52页 |
| 5.3.1 SBL算法概述 | 第50页 |
| 5.3.2 模型先验公式 | 第50-51页 |
| 5.3.3 SBL稀疏分解算法 | 第51-52页 |
| 5.3.4 收敛问题 | 第52页 |
| 5.4 基于稀疏贝叶斯学习的语音情感识别 | 第52-53页 |
| 5.5 仿真结果与分析 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简介 | 第64页 |
