| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.3 研究内容及技术路线 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 章节安排 | 第16-17页 |
| 1.5 本章小节 | 第17-19页 |
| 第二章 语音特征提取算法研究与改进 | 第19-31页 |
| 2.1 语音特征概述 | 第19页 |
| 2.2 传统语音特征提取算法 | 第19-22页 |
| 2.2.1 MFCC特征 | 第19-21页 |
| 2.2.2 PLP特征 | 第21页 |
| 2.2.3 PNCC特征 | 第21-22页 |
| 2.3 上下文特征描述符的设计 | 第22-29页 |
| 2.3.1 Delta特征提取算法 | 第22-24页 |
| 2.3.2 频谱序列上下文特征的构建 | 第24-28页 |
| 2.3.3 频谱上下文Gabor滤波特征的构建 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 噪声环境下的语音识别算法研究及实现 | 第31-45页 |
| 3.1 语音识别系统基本框架 | 第31页 |
| 3.2 语音信号的预处理 | 第31-34页 |
| 3.2.1 采样和量化 | 第32页 |
| 3.2.2 预加重 | 第32页 |
| 3.2.3 加窗和分帧 | 第32-33页 |
| 3.2.4 端点检测 | 第33-34页 |
| 3.3 频谱特征序列构建 | 第34-35页 |
| 3.4 基于递归图压缩距离的语音识别算法研究 | 第35-38页 |
| 3.4.1 语音特征递归图模型构建 | 第35-36页 |
| 3.4.2 基于Campana-Keogh压缩距离的语音识别 | 第36-38页 |
| 3.5 实验验证与结果分析 | 第38-43页 |
| 3.5.1 语音数据库介绍 | 第38-39页 |
| 3.5.2 实验方法及分析 | 第39-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 情绪变化的语音情感分类算法研究及实现 | 第45-57页 |
| 4.1 语音情感参数提取与分析 | 第45-47页 |
| 4.1.1 语音情感特征算法 | 第45页 |
| 4.1.2 韵律特征 | 第45-46页 |
| 4.1.3 混合特征 | 第46-47页 |
| 4.2 基于多特征深度置信网络的语音情感识别 | 第47-51页 |
| 4.2.1 深度置信网络 | 第48-49页 |
| 4.2.2 基于多特征学习的语音情感识别 | 第49-51页 |
| 4.3 实验验证与结果分析 | 第51-56页 |
| 4.3.1 语音情感库 | 第51-52页 |
| 4.3.2 实验方法及分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间取得的科研成果 | 第65-66页 |