| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 绪论 | 第11-23页 |
| ·本文研究的背景及意义 | 第11-15页 |
| ·说话人识别的主要应用 | 第13-14页 |
| ·情感分析的主要应用 | 第14-15页 |
| ·语音信息分析的发展与现状 | 第15-20页 |
| ·语音信息分析的一些技术挑战 | 第20页 |
| ·本文主要研究内容与论文结构 | 第20-22页 |
| ·小结 | 第22-23页 |
| 2 说话人识别及情感分析基本理论 | 第23-31页 |
| ·说话人识别及情感分析框架 | 第23-26页 |
| ·语音信息分析中常用的特征 | 第26-29页 |
| ·语音信息分析中常用的分类方法 | 第29-30页 |
| ·小结 | 第30-31页 |
| 3 说话人识别 | 第31-63页 |
| ·说话人识别模型 | 第31页 |
| ·前端预处理 | 第31-37页 |
| ·预加重 | 第31-32页 |
| ·端点检测技术 | 第32-35页 |
| ·预加窗处理 | 第35-37页 |
| ·特征提取 | 第37-49页 |
| ·FFT特征提取 | 第37-40页 |
| ·LPC特征提取 | 第40-43页 |
| ·MFCC特征提取 | 第43-49页 |
| ·分类方法 | 第49-61页 |
| ·距离测算 | 第49-51页 |
| ·矢量量化(VQ) | 第51-52页 |
| ·GMM(高斯混合模型) | 第52-54页 |
| ·VQ+GMM混合模型 | 第54-57页 |
| ·基于差分MFCC的分类算法的比较 | 第57-58页 |
| ·说话人识别整体识别率 | 第58-61页 |
| ·小结 | 第61-63页 |
| 4 情感分析 | 第63-75页 |
| ·基本原理 | 第63页 |
| ·语音信号处理过程 | 第63-66页 |
| ·能量 | 第64页 |
| ·振幅 | 第64-65页 |
| ·基频 | 第65-66页 |
| ·采集语音 | 第66页 |
| ·确定文本的情感分析的特征参数 | 第66-69页 |
| ·分类算法 | 第69-70页 |
| ·实验数据及讨论 | 第70-75页 |
| 5 身份与情感分析在普适计算e-Learning中应用 | 第75-95页 |
| ·普适计算与e-Learning系统介绍 | 第75-78页 |
| ·普适计算概述 | 第75-77页 |
| ·普适计算在e_Learning系统中作用 | 第77-78页 |
| ·普适计算e_Learning系统设计 | 第78-80页 |
| ·身份与情感信息在系统中应用 | 第80-81页 |
| ·系统实现 | 第81-95页 |
| ·各个功能包实现 | 第81-88页 |
| ·训练用语音自动录音 | 第88-89页 |
| ·语音信息感知实现过程 | 第89-91页 |
| ·e-Learning系统实现界面 | 第91-95页 |
| 6 结束语 | 第95-97页 |
| ·已做工作 | 第95页 |
| ·未来展望 | 第95-97页 |
| 参考文献 | 第97-105页 |
| 附录A | 第105-115页 |
| 作者简历 | 第115-119页 |
| 学位论文数据集 | 第119页 |