| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 语音情感研究的背景与意义 | 第9页 |
| 1.2 语音情感的应用领域 | 第9-10页 |
| 1.3 语音情感的国内外研究现状 | 第10-14页 |
| 1.3.1 特征参数提取 | 第10-12页 |
| 1.3.2 特征参数选择 | 第12-13页 |
| 1.3.3 分类器模型 | 第13-14页 |
| 1.4 研究内容与论文框架 | 第14-17页 |
| 1.4.1 研究内容 | 第14页 |
| 1.4.2 论文框架 | 第14-17页 |
| 第2章 语音情感研究的基础知识 | 第17-35页 |
| 2.1 语料情感数据库 | 第17-18页 |
| 2.2 语音情感信号预处理 | 第18-23页 |
| 2.2.1 预加重 | 第18-19页 |
| 2.2.2 分帧加窗 | 第19-21页 |
| 2.2.3 端点检测 | 第21-23页 |
| 2.3 常用特征参数提取 | 第23-26页 |
| 2.3.1 基音频率 | 第23页 |
| 2.3.2 共振峰 | 第23-24页 |
| 2.3.3 梅尔频率倒谱系数 | 第24-25页 |
| 2.3.4 线性预测倒谱系数 | 第25-26页 |
| 2.4 常用特征参数选择 | 第26-30页 |
| 2.4.1 主成分分析法 | 第26-27页 |
| 2.4.2 基于蚁群算法的特征选择 | 第27-29页 |
| 2.4.3 线性判别分析法 | 第29页 |
| 2.4.4 模糊熵法 | 第29-30页 |
| 2.5 语音情感分类器模型 | 第30-33页 |
| 2.5.1 人工神经网络 | 第31页 |
| 2.5.2 支持向量机 | 第31-32页 |
| 2.5.3 隐马尔可夫模型 | 第32-33页 |
| 2.5.4 高斯混合模型 | 第33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 基于ABC优化MVDR的语音情感识别 | 第35-49页 |
| 3.1 MVDR算法提取语音情感特征参数 | 第35-38页 |
| 3.1.1 MVDR算法理论 | 第36-37页 |
| 3.1.2 MVDR谱估计与LPC谱估计的MATLAB实现 | 第37页 |
| 3.1.3 基于MVDR算法的情感特征提取 | 第37-38页 |
| 3.2 ABC算法理论 | 第38-39页 |
| 3.3 径向基函数神经网络模型 | 第39-43页 |
| 3.3.1 RBF神经网络的基本原理 | 第39-40页 |
| 3.3.2 RBF神经网络的学习算法 | 第40-42页 |
| 3.3.3 RBF神经网络训练 | 第42-43页 |
| 3.4 基于ABC优化MVDR的语音情感识别的基本流程 | 第43-46页 |
| 3.5 实验结果与分析 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于PCNN与RBF的语音情感识别 | 第49-59页 |
| 4.1 PCNN | 第49-52页 |
| 4.1.1 语谱图算法 | 第49-50页 |
| 4.1.2 PCNN模型原理 | 第50-52页 |
| 4.2 PCNN提取语音情感特征 | 第52-53页 |
| 4.2.1 情感语音的语谱图 | 第52-53页 |
| 4.2.2 PCNN提取特征时间序列 | 第53页 |
| 4.3 基于PCNN与RBF的语音情感识别的基本流程 | 第53-55页 |
| 4.4 实验结果与分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间科研成果 | 第69页 |
