| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 引言 | 第11-14页 |
| 1.1.1 疲劳的概念 | 第11页 |
| 1.1.2 疲劳的分类 | 第11-13页 |
| 1.1.3 疲劳度检测的意义 | 第13-14页 |
| 1.2 疲劳度检测研究的发展概述 | 第14-16页 |
| 1.2.1 疲劳度检测的发展历史 | 第14-15页 |
| 1.2.2 国内外疲劳度检测的研究概况 | 第15-16页 |
| 1.3 语音疲劳度检测研究的发展与难点 | 第16-17页 |
| 1.3.1 语音疲劳度检测技术的优势 | 第16页 |
| 1.3.2 语音疲劳度检测研究的发展 | 第16-17页 |
| 1.3.3 语音疲劳度检测技术的难点 | 第17页 |
| 1.4 本文的主要工作及结构安排 | 第17-20页 |
| 1.4.1 本文的主要工作 | 第17-18页 |
| 1.4.2 本文的结构安排 | 第18-20页 |
| 第二章 语音疲劳度检测的理论依据及系统构成 | 第20-24页 |
| 2.1 发音器官的构成及语音信号的数学模型 | 第20-21页 |
| 2.2 人体疲劳对发音器官和语音表达的影响 | 第21-22页 |
| 2.3 语音疲劳度检测系统的构成 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 语音疲劳度检测语料库的构建 | 第24-33页 |
| 3.1 基于主观疲劳量表的疲劳度分类 | 第24-26页 |
| 3.2 语音疲劳度检测语料库的设计与建立 | 第26-30页 |
| 3.2.1 语料库的设计 | 第27-28页 |
| 3.2.2 录音前准备工作及录音过程 | 第28-29页 |
| 3.2.3 语料库的加工与标记 | 第29-30页 |
| 3.3 基于简单生理参数的疲劳度分类验证 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 语音疲劳度检测的预处理及特征提取 | 第33-44页 |
| 4.1 语音信号预处理 | 第33-34页 |
| 4.1.1 预加重 | 第33-34页 |
| 4.1.2 加窗分帧 | 第34页 |
| 4.2 适用于语音疲劳度检测的基本特征参数提取 | 第34-41页 |
| 4.2.1 短时平均能量 | 第35-36页 |
| 4.2.2 短时平均过零率 | 第36-37页 |
| 4.2.3 语音段平均语速 | 第37-38页 |
| 4.2.4 基音频率 | 第38-39页 |
| 4.2.5 梅尔频率倒谱系数 | 第39-41页 |
| 4.2.6 喘息段时长 | 第41页 |
| 4.2.7 反应时 | 第41页 |
| 4.3 特征参数比较分析 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 基于不同算法的语音疲劳度检测 | 第44-64页 |
| 5.1 基于支持向量机的语音疲劳度检测 | 第44-51页 |
| 5.1.1 支持向量机原理 | 第44-50页 |
| 5.1.2 LIBSVM实现步骤 | 第50-51页 |
| 5.2 基于集成方法的语音疲劳度检测 | 第51-53页 |
| 5.3 基于迁移学习的语音疲劳度检测 | 第53-56页 |
| 5.3.1 迁移学习原理 | 第53-55页 |
| 5.3.2 TrAdaBoost算法 | 第55-56页 |
| 5.4 基于不同算法的语音疲劳度检测对比实验 | 第56-62页 |
| 5.4.1 基于SVM和AdaBoost的同性别内单一疲劳度识别结果分析 | 第56-59页 |
| 5.4.2 基于SVM的跨性别间单一疲劳度识别结果分析 | 第59-60页 |
| 5.4.3 基于TrAdaBoost的跨性别间单性质疲劳度识别效果改进 | 第60-61页 |
| 5.4.4 基于SVM的同性别内疲劳度识别结果分析 | 第61页 |
| 5.4.5 基于TrAdaBoost的同性别内疲劳度识别效果改进 | 第61-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-67页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第72-73页 |
| 致谢 | 第73-74页 |
