| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文组织架构 | 第18-19页 |
| 第2章 语音情感识别基础 | 第19-30页 |
| 2.1 情感语料库 | 第19-20页 |
| 2.2 语音的预处理 | 第20-22页 |
| 2.2.1 预加重 | 第21页 |
| 2.2.2 加窗分帧 | 第21-22页 |
| 2.3 语音情感特征提取 | 第22-26页 |
| 2.3.1 短时能量 | 第23页 |
| 2.3.2 基音频率 | 第23-24页 |
| 2.3.3 短时过零率 | 第24页 |
| 2.3.4 谐波噪声比 | 第24页 |
| 2.3.5 Mel频率倒谱系数 | 第24-26页 |
| 2.4 语音情感特征选择 | 第26-28页 |
| 2.5 语音情感分类识别 | 第28-29页 |
| 2.5.1 随机森林 | 第28页 |
| 2.5.2 支持向量机 | 第28-29页 |
| 2.5.3 KNN | 第29页 |
| 2.5.4 朴素贝叶斯 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 结合SVM-RFE和MLP的语音情感识别模型 | 第30-46页 |
| 3.1 基于SVM-RFE的特征评估方法 | 第30-34页 |
| 3.1.1 SVM基本原理 | 第30-32页 |
| 3.1.2 SVM-RFE算法流程 | 第32-34页 |
| 3.2 基于多层感知器MLP的分类方法 | 第34-37页 |
| 3.2.1 M-P神经元模型 | 第34-35页 |
| 3.2.2 多层感知器神经网络 | 第35-36页 |
| 3.2.3 BP反向传播算法 | 第36-37页 |
| 3.3 结合SVM-RFE和MLP的语音情感识别方法 | 第37-39页 |
| 3.4 实验及分析 | 第39-45页 |
| 3.4.1 MLP隐含层神经元数量对识别性能的影响 | 第40-41页 |
| 3.4.2 前N维评级特征对识别性能的影响 | 第41-43页 |
| 3.4.3 前N维评级特征时间性能分析 | 第43-44页 |
| 3.4.4 与已有的语音情感识别方法的识别性能比较 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于语谱图纹理特征的语音情感识别模型 | 第46-60页 |
| 4.1 语谱图情感特征 | 第46-50页 |
| 4.1.1 语谱图介绍 | 第46-47页 |
| 4.1.2 语谱图纹理特征提取 | 第47-50页 |
| 4.2 基于语谱图纹理特征的语音情感识别 | 第50-52页 |
| 4.2.1 基于语谱图特征的语音情感识别系统框架概述 | 第50页 |
| 4.2.2 LBP级联特征向量提取 | 第50-52页 |
| 4.3 实验及分析 | 第52-58页 |
| 4.3.1 语谱图不同的分割区域数对识别性能的影响 | 第53-54页 |
| 4.3.2 语谱图提取LBP级联特征向量的时间效率分析 | 第54-55页 |
| 4.3.3 语谱图特征与其他声学特征的识别性能比较 | 第55页 |
| 4.3.4 融合语谱图特征和声学特征的识别性能分析 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-69页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第69-70页 |
| 附录B 攻读硕士学位期间所参与的科研项目 | 第70页 |
