| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 语音情感研究的背景与意义 | 第9页 |
| 1.2 语音情感的研究现状 | 第9-12页 |
| 1.2.1 特征提取 | 第10-11页 |
| 1.2.2 特征参数选择 | 第11-12页 |
| 1.2.3 分类器模型 | 第12页 |
| 1.3 完成的主要工作 | 第12-13页 |
| 1.4 文章结构安排 | 第13-15页 |
| 第二章 纹理特征简介 | 第15-25页 |
| 2.1 纹理基本概念 | 第15-16页 |
| 2.1.1 纹理定义 | 第15页 |
| 2.1.2 纹理特性 | 第15-16页 |
| 2.2 纹理特征提取方法 | 第16-23页 |
| 2.2.1 统计方法 | 第17-19页 |
| 2.2.2 频谱法 | 第19-21页 |
| 2.2.3 模型方法 | 第21-22页 |
| 2.2.4 结构方法 | 第22页 |
| 2.2.5 不同方法的优缺点 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 语谱图特征提取 | 第25-49页 |
| 3.1 情感语音库的选取 | 第25-26页 |
| 3.2 语谱图的产生 | 第26页 |
| 3.3 特征提取 | 第26-47页 |
| 3.3.1 基于Gabor小波的纹理特征提取 | 第26-40页 |
| 3.3.2 基于阈值二值化和改进的LBP方法的特征提取 | 第40-42页 |
| 3.3.3 融合LBP特征和局部Hu矩特征 | 第42-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 语音情感识别 | 第49-59页 |
| 4.1 基于支持向量机的语音情感识别实验 | 第49-55页 |
| 4.1.1 统计学习理论简单介绍 | 第49页 |
| 4.1.2 支持向量机 | 第49-53页 |
| 4.1.3 实验与分析 | 第53-55页 |
| 4.2 基于K邻近方法的语音情感识别实验 | 第55-58页 |
| 4.2.1KNN分类模型 | 第55-56页 |
| 4.2.2 KNN算法模型的优缺点 | 第56-57页 |
| 4.2.3 语音情感分类实验 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |