语音情感特征提取与识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-35页 |
| ·研究背景及意义 | 第11-14页 |
| ·情感的基础知识 | 第14-18页 |
| ·情感的定义 | 第14页 |
| ·情感的分类 | 第14-18页 |
| ·语音情感识别研究现状 | 第18-31页 |
| ·语音的主要情感特征 | 第18-24页 |
| ·语音情感识别算法 | 第24-31页 |
| ·语音情感识别存在的问题 | 第31-32页 |
| ·语音情感识别系统评价 | 第32-33页 |
| ·情感语音数据库 | 第32页 |
| ·主要评价性能指标 | 第32-33页 |
| ·论文的研究内容 | 第33页 |
| ·本文内容安排 | 第33-35页 |
| 2 语音基音周期提取方法研究 | 第35-58页 |
| ·引言 | 第35-36页 |
| ·语音信号的产生机理 | 第36-37页 |
| ·基于方差分析的语音基音周期提取 | 第37-46页 |
| ·方差分析基础理论 | 第37-38页 |
| ·基于方差分析的基音周期检测原理 | 第38-40页 |
| ·基于方差分析的基音周期提取算法 | 第40-41页 |
| ·实验结果与分析 | 第41-46页 |
| ·基于小波方差分析的鲁棒语音基音周期提取 | 第46-57页 |
| ·基于小波方差分析的基音周期提取算法 | 第46-48页 |
| ·语音信号的小波分析 | 第48-50页 |
| ·语音基频带小波系数提取 | 第50页 |
| ·语音基频带小波系数的方差分析 | 第50-51页 |
| ·实验结果与分析 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 3 基于自整定权值K最近邻模型的语音情感识别 | 第58-82页 |
| ·引言 | 第58-59页 |
| ·KNN模型 | 第59页 |
| ·加权离散KNN模型 | 第59-60页 |
| ·自整定权值KNN模型 | 第60-63页 |
| ·基于自整定权值KNN模型的语音情感识别 | 第63-73页 |
| ·语音信号预处理 | 第64-65页 |
| ·语音情感特征提取 | 第65-70页 |
| ·特征向量归一化 | 第70-71页 |
| ·特征向量降维 | 第71-73页 |
| ·实验结果及分析 | 第73-81页 |
| ·基于丹麦语数据库的情感识别实验 | 第74-77页 |
| ·基于中文数据库的情感识别实验 | 第77-80页 |
| ·实验结果分析 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 4 基于多模型融合的语音情感识别 | 第82-103页 |
| ·引言 | 第82-83页 |
| ·特征提取 | 第83-87页 |
| ·美尔频标倒谱系数 | 第84页 |
| ·基于Teager能量算子美尔频标倒谱系数 | 第84-85页 |
| ·线谱对参数 | 第85-87页 |
| ·动态差分参数提取 | 第87页 |
| ·情感识别 | 第87-95页 |
| ·单一分类模型设计 | 第87-90页 |
| ·基于遗传算法的多分类模型融合 | 第90-95页 |
| ·实验结果及分析 | 第95-102页 |
| ·基于丹麦语数据库的情感识别实验 | 第96-99页 |
| ·基于中文数据库的情感识别实验 | 第99-101页 |
| ·实验结果分析 | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 5 自动语音情感识别原型系统 | 第103-115页 |
| ·引言 | 第103页 |
| ·设计目标 | 第103页 |
| ·系统架构 | 第103-104页 |
| ·系统工作流程 | 第104-105页 |
| ·系统开发环境 | 第105页 |
| ·系统功能体系结构 | 第105-114页 |
| ·语音输入模块 | 第106-107页 |
| ·语音分析模块 | 第107-108页 |
| ·语音端点检测模块 | 第108-110页 |
| ·特征提取模块 | 第110-111页 |
| ·训练模块 | 第111-112页 |
| ·识别模块 | 第112-114页 |
| ·本章小结 | 第114-115页 |
| 6 结论及展望 | 第115-117页 |
| ·本文工作总结 | 第115-116页 |
| ·未来工作展望 | 第116-117页 |
| 参考文献 | 第117-128页 |
| 攻读博士学位期间发表学术论文情况 | 第128-129页 |
| 致谢 | 第129-130页 |
| 作者简介 | 第130-131页 |
| 论文创新点摘要 | 第131-133页 |
