跨库语音情感识别若干关键技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.1.1 语音情感的声学意义 | 第14页 |
| 1.1.2 情感计算 | 第14-15页 |
| 1.1.3 实际应用 | 第15页 |
| 1.1.4 语音情感识别的研究现状 | 第15-16页 |
| 1.2 跨数据库语音情感识别技术 | 第16-20页 |
| 1.2.1 发展历史 | 第16-18页 |
| 1.2.2 研究现状和存在的问题 | 第18-20页 |
| 1.3 本文研究的主要工作 | 第20-23页 |
| 1.4 章节安排 | 第23-26页 |
| 第2章 数据库和特征分析 | 第26-42页 |
| 2.1 语音情感数据库 | 第26-32页 |
| 2.1.1 国外语料库 | 第26-28页 |
| 2.1.2 国内语料库 | 第28-29页 |
| 2.1.3 本文使用的数据库情况 | 第29-31页 |
| 2.1.4 跨库情感类别划分规则的制定 | 第31-32页 |
| 2.2 特征分析 | 第32-39页 |
| 2.2.1 声学特征 | 第33-36页 |
| 2.2.2 底层声学描述符 | 第36-38页 |
| 2.2.3 语谱图特征 | 第38-39页 |
| 2.3 性能评价标准讨论 | 第39-42页 |
| 第3章 基于无限t分布的混合鲁棒模型 | 第42-58页 |
| 3.1 引言 | 第42-43页 |
| 3.2 基于统计模型的特征选择方案 | 第43-44页 |
| 3.3 iSMM特征优选模型 | 第44-49页 |
| 3.3.1 学生t分布特征选择 | 第45-46页 |
| 3.3.2 特征概率分布建模 | 第46-47页 |
| 3.3.3 判决函数评估 | 第47页 |
| 3.3.4 高维特征空间分析 | 第47-49页 |
| 3.4 实验结果 | 第49-55页 |
| 3.4.1 实验设置 | 第49-50页 |
| 3.4.2 表演型语料库实验 | 第50-52页 |
| 3.4.3 自发型语料库实验 | 第52-54页 |
| 3.4.4 多数据库综合实验分析 | 第54-55页 |
| 3.5 本章小结 | 第55-58页 |
| 第4章 改进的LDA核K近邻分类方法 | 第58-70页 |
| 4.1 引言 | 第58-59页 |
| 4.2 结合LDA的核K近邻分类方法 | 第59-64页 |
| 4.2.1 基于核学习的KNN算法 | 第59-60页 |
| 4.2.2 特征线重心法的改进 | 第60-61页 |
| 4.2.3 线性判别分析的改进 | 第61-64页 |
| 4.3 实验结果分析 | 第64-69页 |
| 4.3.1 几种KNN分类器对比实验 | 第64-66页 |
| 4.3.2 两种降维方案的情感识别实验 | 第66页 |
| 4.3.3 与常用分类方法对比实验 | 第66-68页 |
| 4.3.4 分类方案参数实验分析 | 第68-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 改进的听觉注意模型语谱图特征提取 | 第70-82页 |
| 5.1 引言 | 第70-71页 |
| 5.2 基于听觉注意的语谱图情感特征提取 | 第71-75页 |
| 5.2.1 语谱图特征的语音情感识别 | 第71-73页 |
| 5.2.2 基于时频原子的改进 | 第73-74页 |
| 5.2.3 听觉注意图谱特征提取 | 第74-75页 |
| 5.3 仿真实验 | 第75-81页 |
| 5.3.1 跨库实验设置 | 第75-76页 |
| 5.3.2 实验结果和分析 | 第76-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第6章 基于深度信念网络的特征融合 | 第82-100页 |
| 6.1 引言 | 第82-83页 |
| 6.2 选择注意机制的语谱图特征提取 | 第83-87页 |
| 6.2.1 提取语谱图 | 第85页 |
| 6.2.2 高斯金字塔分解 | 第85-86页 |
| 6.2.3 获取特征图并重构特征矩阵 | 第86-87页 |
| 6.3 深度信念网络模型 | 第87-93页 |
| 6.3.1 受限玻尔兹曼机 | 第88-90页 |
| 6.3.2 基于对比散度的快速学习算法 | 第90-91页 |
| 6.3.3 DBN21与DBN22模型 | 第91-93页 |
| 6.4 跨库实验结果与分析 | 第93-99页 |
| 6.4.1 实验准备 | 第93-95页 |
| 6.4.2 语谱图特征跨库实验 | 第95-97页 |
| 6.4.3 传统声学特征跨库实验 | 第97-98页 |
| 6.4.4 融合特征跨库实验 | 第98-99页 |
| 6.5 本章小结 | 第99-100页 |
| 第7章 跨语言的多说话人特征自适应 | 第100-120页 |
| 7.1 引言 | 第100-101页 |
| 7.2 特征分析 | 第101-105页 |
| 7.2.1 增强 | 第101-104页 |
| 7.2.2 自适应规整化语谱图特征 | 第104-105页 |
| 7.3 特征自适应方法 | 第105-110页 |
| 7.3.1 说话人加性方差模型 | 第105页 |
| 7.3.2 基于GMM的加性模型 | 第105-109页 |
| 7.3.3 学生t分布对差异特征空间的建模 | 第109-110页 |
| 7.4 情感分类器模型 | 第110-114页 |
| 7.4.1 核K近邻情感分类器 | 第111-112页 |
| 7.4.2 SVM情感分类器 | 第112-114页 |
| 7.5 跨语言语音情感识别实验 | 第114-119页 |
| 7.5.1 数据库设置 | 第114-115页 |
| 7.5.2 说话人自适应实验 | 第115-117页 |
| 7.5.3 在线特征自适应实验 | 第117-118页 |
| 7.5.4 谱特征对比实验 | 第118-119页 |
| 7.6 结论 | 第119-120页 |
| 第8章 总结与展望 | 第120-124页 |
| 8.1 本文研究工作总结 | 第120-121页 |
| 8.2 后续工作展望 | 第121-124页 |
| 参考文献 | 第124-144页 |
| 致谢 | 第144-146页 |
| 研究成果 | 第146-147页 |
