基于小波包变换和稀疏分解的语音谎言检测研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 谎言检测的研究背景及意义 | 第9页 |
| 1.2 谎言检测历史回顾 | 第9-13页 |
| 1.2.1 古老的测谎方法 | 第9-10页 |
| 1.2.2 近现代测谎技术 | 第10-13页 |
| 1.3 语音测谎的研究成果概述 | 第13-15页 |
| 1.4 本文工作涉及的相关技术概述 | 第15-17页 |
| 1.4.1 小波包变换 | 第16页 |
| 1.4.2 稀疏分解 | 第16-17页 |
| 1.5 本文主要工作内容及章节安排 | 第17-20页 |
| 第二章 语音测谎研究基础 | 第20-30页 |
| 2.1 心理生理模型 | 第20-21页 |
| 2.2 测谎系统框架 | 第21-22页 |
| 2.3 语言测谎的语料库 | 第22-25页 |
| 2.3.1 具有代表性的测谎语料库 | 第22-23页 |
| 2.3.2 本文选用的语料库 | 第23-25页 |
| 2.4 语音信号的生成模型 | 第25-27页 |
| 2.5 语音信号的预处理 | 第27-29页 |
| 2.5.1 预加重 | 第28页 |
| 2.5.2 分帧 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 语音测谎特征的提取 | 第30-42页 |
| 3.1 语音信号的声学特征 | 第30-32页 |
| 3.1.1 基音频率 | 第30页 |
| 3.1.2 共振峰参数 | 第30-31页 |
| 3.1.3 Mel频率谱参数 | 第31-32页 |
| 3.2 小波包分析理论 | 第32-39页 |
| 3.2.1 时频多尺度分析 | 第32-33页 |
| 3.2.2 离散小波包变换 | 第33-35页 |
| 3.2.3 小波包分解 | 第35-38页 |
| 3.2.4 频率排序 | 第38-39页 |
| 3.3 小波包频带倒谱系数的提取 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 语音测谎特征的稀疏分解 | 第42-52页 |
| 4.1 稀疏分解理论概述 | 第42-44页 |
| 4.2 字典学习 | 第44-48页 |
| 4.2.1 K-均值矢量量化算法 | 第44-46页 |
| 4.2.2 K-奇异值分解算法描述 | 第46-48页 |
| 4.3 稀疏编码 | 第48-51页 |
| 4.3.1 贪婪算法原理 | 第49页 |
| 4.3.2 正交匹配追踪算法 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于模式识别的谎言检测实验及结果分析 | 第52-67页 |
| 5.1 常用的分类模型 | 第52-57页 |
| 5.1.1 朴素贝叶斯分类器 | 第52-53页 |
| 5.1.2 K-最近邻分类器 | 第53页 |
| 5.1.3 鉴别分析分类器 | 第53-54页 |
| 5.1.4 支持向量机 | 第54-56页 |
| 5.1.5 随机森林分类器 | 第56-57页 |
| 5.2 实验参数设置 | 第57-58页 |
| 5.3 基于WPBCC参数的谎言检测实验结果 | 第58-60页 |
| 5.4 基于稀疏特征的谎言检测实验 | 第60-66页 |
| 5.4.1 不同字典下的识别结果对比 | 第60-61页 |
| 5.4.2 稀疏指数 ρ 对识别结果的影响 | 第61-64页 |
| 5.4.3 不同特征参数下识别结果的对比 | 第64-65页 |
| 5.4.4 不同特征优化方法下识别结果的对比 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75-76页 |
