摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 引言 | 第10-23页 |
1.1 选题背景及意义 | 第10-11页 |
1.2 情感语音的研究 | 第11-19页 |
1.2.1 情感语音的分类 | 第11-17页 |
1.2.2 情感语音数据库的获取 | 第17-18页 |
1.2.3 情感语音的转换 | 第18-19页 |
1.2.4 情感语音的识别 | 第19页 |
1.3 国内外研究现状 | 第19-20页 |
1.4 情感语音相关研究的重要意义及面临的挑战 | 第20-21页 |
1.4.1 情感语音相关研究的重要意义 | 第20-21页 |
1.4.2 情感语音计算面临的挑战 | 第21页 |
1.5 论文研究的主要内容 | 第21-22页 |
1.6 论文结构安排 | 第22-23页 |
第2章 情感空间的描述及情感声学特征 | 第23-44页 |
2.1 情感状态空间PAD | 第23-24页 |
2.2 情感语音数据库的获取及PAD 值的标注 | 第24-28页 |
2.2.1 情感语音数据库的获取 | 第24-26页 |
2.2.2 情感语音数据的PAD 值评定 | 第26-28页 |
2.3 情感状态空间PAD 与典型情感之间的映射关系 | 第28页 |
2.4 语音信号情感特征参数及提取过程 | 第28-34页 |
2.4.1 语音信号特征参数 | 第28-32页 |
2.4.2 语音信号特征参数的提取 | 第32-34页 |
2.5 情感语音特征参数的分析 | 第34-40页 |
2.5.1 情感语音的基频相关参数分析 | 第35-37页 |
2.5.2 情感语音的能量分析 | 第37-38页 |
2.5.3 情感语音时长和停顿分析 | 第38-39页 |
2.5.4 情感语音语速分析 | 第39-40页 |
2.6 情感状态空间PAD 和情感语音特征参数之间的联系 | 第40-43页 |
2.6.1 一些情感语音中表现突出的韵律特征与PAD 之间的相关性 | 第41-42页 |
2.6.2 MFCC 和PAD 之间的联系 | 第42-43页 |
2.7 本章小结 | 第43-44页 |
第3章 支持向量回归机的基本理论 | 第44-52页 |
3.1 机器学习理论 | 第44-45页 |
3.2 统计学习理论 | 第45-48页 |
3.2.1 统计学习一致性条件 | 第46页 |
3.2.2 VC 维和推广性的界 | 第46-47页 |
3.2.3 结构风险最小化准则 | 第47-48页 |
3.3 支持向量机回归SVR(Support Vector Regression)的基本原理 | 第48-51页 |
3.4 本章小结 | 第51-52页 |
第4章 基于SVR 的情感语音变换 | 第52-61页 |
4.1 实验语料 | 第52页 |
4.2 实验语料的韵律特征分析 | 第52-53页 |
4.3 情感语音的变换 | 第53-59页 |
4.3.1 利用SVR 建立特征参数转换模型 | 第54-56页 |
4.3.2 利用STRAIGHT 算法实现情感语音变换 | 第56-59页 |
4.4 主观评测 | 第59-60页 |
4.5 本章小结 | 第60-61页 |
第5章 基于SVR 的连续维度情感识别 | 第61-74页 |
5.1 情感语音识别的基本原理 | 第61页 |
5.2 识别中提取特征的传统方法 | 第61-63页 |
5.3 基于Hilbert—Huang 的特征提取 | 第63-71页 |
5.3.1 Hilbert—Huang 希尔伯特黄变换简介 | 第63-64页 |
5.3.2 固有模态函数(IMF) | 第64-65页 |
5.3.3 EMD 经验模态分解方法(筛选过程) | 第65-67页 |
5.3.4 EMD 的性质特点 | 第67-68页 |
5.3.5 利用EMD 方法提取特征及初步分析 | 第68-71页 |
5.4 实验语料及实验环境 | 第71页 |
5.5 利用SVR 建立情感语音识别模型 | 第71-72页 |
5.6 识别结果及分析 | 第72-73页 |
5.7 本章小结 | 第73-74页 |
第6章 总结与展望 | 第74-76页 |
6.1 论文工作总结 | 第74-75页 |
6.2 未来研究展望 | 第75-76页 |
附录A 简化版(12 个项目)PAD 情绪量化表 | 第76-78页 |
参考文献 | 第78-83页 |
致谢 | 第83-84页 |
攻读学位期间所发表的论文与主要成果 | 第84页 |