摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第9-13页 |
1.1 研究背景及其意义 | 第9-10页 |
1.2 语音情感识别的研究现状 | 第10页 |
1.3 语音情感识别关键技术问题 | 第10-12页 |
1.3.1 语音情感数据库问题 | 第11页 |
1.3.2 情感特征参数的提取 | 第11-12页 |
1.3.3 高效、稳定的情感识别算法 | 第12页 |
1.4 本文的研究内容与文章结构 | 第12-13页 |
第二章 语音情感识别基础 | 第13-27页 |
2.1 情感的基础知识 | 第13-15页 |
2.1.1 情感的定义 | 第13页 |
2.1.2 情感的分类 | 第13-15页 |
2.2 汉语语音情感数据库的建立 | 第15-18页 |
2.2.1 表演型情感语音 | 第16页 |
2.2.2 引导型情感语音 | 第16-17页 |
2.2.3 自然型情感语音 | 第17页 |
2.2.4 汉语语音情感数据库的建立 | 第17-18页 |
2.3 语音情感信号的预处理 | 第18-20页 |
2.3.1 预加重 | 第18页 |
2.3.2 分帧加窗 | 第18-20页 |
2.3.3 端点检测 | 第20页 |
2.4 语音情感特征的提取与计算 | 第20-26页 |
2.4.1 短时能量和短时平均幅度 | 第20-21页 |
2.4.2 短时过零率 | 第21页 |
2.4.3 语速 | 第21-22页 |
2.4.4 基音频率 | 第22页 |
2.4.5 共振峰 | 第22-23页 |
2.4.6 梅尔频率倒谱系数 | 第23-26页 |
2.5 语音情感特征归一化 | 第26页 |
2.6 本章小结 | 第26-27页 |
第三章 神经网络理论与基于递归神经网络的语音情感识别 | 第27-43页 |
3.1 传统人工神经网络基本理论 | 第27-33页 |
3.1.1 神经网络概念 | 第27-28页 |
3.1.2 人工神经网络的分类 | 第28-29页 |
3.1.3 人工神经网络的学习算法 | 第29-33页 |
3.2 递归神经网络 | 第33-37页 |
3.2.1 递归神经网络的多种结构模型 | 第33-35页 |
3.2.2 Elman递归神经网络 | 第35-36页 |
3.2.3 Elman神经网络的BP学习算法 | 第36-37页 |
3.3 基于万有引力搜索算法的Elman模型优化 | 第37-40页 |
3.3.1 万有引力搜索算法 | 第37-39页 |
3.3.2 Elman模型的万有引力优化方法 | 第39-40页 |
3.4 情感识别实验与实验结果分析 | 第40-41页 |
3.4.1 情感实验特征参数的设置 | 第40页 |
3.4.2 情感实验中网路训练相关参数设置 | 第40页 |
3.4.3 情感实验结果与分析 | 第40-41页 |
3.5 本章小结 | 第41-43页 |
第四章 基于改进GMM的语音情感识别 | 第43-53页 |
4.1 传统GMM模型概述 | 第43-48页 |
4.1.1 GMM模型 | 第43-44页 |
4.1.2 GMM的EM算法 | 第44-47页 |
4.1.3 GMM模型建立流程 | 第47-48页 |
4.2 改进的GMM | 第48-51页 |
4.2.1 有限混合模型的无监督学习算法 | 第48-49页 |
4.2.2 改进的GMM算法 | 第49-51页 |
4.3 情感识别实验与实验结果分析 | 第51-52页 |
4.4 本章小结 | 第52-53页 |
第五章 基于深度神经网络与GMM融合的语音情感识别 | 第53-63页 |
5.1 深度学习神经网络基本理论 | 第53-58页 |
5.1.1 深度神经网络的训练过程 | 第53页 |
5.1.2 深度学习常用模型结构 | 第53-58页 |
5.2 基于深度神经网络与GMM融合的情感识别 | 第58-61页 |
5.2.1 softmax分类器 | 第58页 |
5.2.2 基于广义线性判别优化算法的深度神经网络 | 第58-60页 |
5.2.3 基于深度神经网络与GMM融合的语音情感识别 | 第60-61页 |
5.3 情感识别实验与实验结果分析 | 第61-62页 |
5.4 本章小结 | 第62-63页 |
第六章 总结与展望 | 第63-65页 |
致谢 | 第65-67页 |
参考文献 | 第67-70页 |