| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究历史与现状 | 第10-15页 |
| 1.2.1 情感描述模型 | 第10-11页 |
| 1.2.2 语音情感数据库 | 第11-13页 |
| 1.2.3 语音情感特征 | 第13-14页 |
| 1.2.4 语音情感特征降维 | 第14页 |
| 1.2.5 语音情感分类算法 | 第14-15页 |
| 1.3 本文的主要工作及章节结构 | 第15-17页 |
| 第二章 语音情感数据库设计与情感声学特征分析 | 第17-29页 |
| 2.1 语音情感库的建立 | 第17-20页 |
| 2.1.1 情感语料的制定 | 第17-18页 |
| 2.1.2 情感语音的采集 | 第18页 |
| 2.1.3 数据检验与补录 | 第18页 |
| 2.1.4 情感语音的听辨测试 | 第18-20页 |
| 2.2 语音情感信号的预处理 | 第20-22页 |
| 2.2.1 预加重 | 第20-21页 |
| 2.2.2 加窗和分帧 | 第21页 |
| 2.2.3 端点检测 | 第21-22页 |
| 2.3 特征提取 | 第22-26页 |
| 2.3.1 对数频域能量系数(LFPC) | 第23-24页 |
| 2.3.2 语速 | 第24页 |
| 2.3.3 语音能量 | 第24页 |
| 2.3.4 基音频率 | 第24-25页 |
| 2.3.5 共振峰 | 第25-26页 |
| 2.4 语音情感特征向量归一化 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于Fisher相关准则与MRMR算法的特征比较与特征融合 | 第29-39页 |
| 3.1 基于Fisher准则的相关算法 | 第29-30页 |
| 3.2 K近邻法(KNN) | 第30-32页 |
| 3.3 最大相关最小冗余算法(MRMR) | 第32-33页 |
| 3.4 实验 | 第33-37页 |
| 3.4.1 特征比较实验 | 第33-35页 |
| 3.4.2 特征融合实验 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于核函数改进的SVM-KNN自适应权值判决层融合 | 第39-53页 |
| 4.1 SVM-KNN分类器 | 第39-48页 |
| 4.1.1 支持向量机(SVM) | 第39-44页 |
| 4.1.2 SVM-KNN算法 | 第44-45页 |
| 4.1.3 改进的SVM-KNN算法 | 第45-48页 |
| 4.2 自适应权值算法 | 第48-50页 |
| 4.3 实验结果及分析 | 第50-51页 |
| 4.4 小结 | 第51-53页 |
| 第五章 基于深信度网络的特征层融合语音情感识别 | 第53-67页 |
| 5.1 基于视觉注意机制的语谱图特征提取 | 第53-57页 |
| 5.1.1 提取语谱图 | 第54-55页 |
| 5.1.2 高斯金字塔分解 | 第55-56页 |
| 5.1.3 获取特征图 | 第56-57页 |
| 5.1.4 提取特征矩阵并重构 | 第57页 |
| 5.2 深信度网络模型 | 第57-63页 |
| 5.2.1 受限玻尔兹曼机 | 第57-60页 |
| 5.2.2 softmax分类器 | 第60-61页 |
| 5.2.3 DBN21与DBN22模型 | 第61-63页 |
| 5.3 实验分析 | 第63-66页 |
| 5.3.1 实验1 | 第63-64页 |
| 5.3.2 实验2 | 第64-65页 |
| 5.3.3 实验3 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |