| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 语音情感识别的国内外研究现状 | 第9-11页 |
| 1.2.1 国院研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 语音情感识别的应用前景 | 第11-12页 |
| 1.4 本文的主要工怍及组织结构 | 第12-14页 |
| 1.4.1 论文的主要研究内容 | 第12-13页 |
| 1.4.2 论文的结构安排 | 第13-14页 |
| 第二章 语音情感理论基础 | 第14-19页 |
| 2.1 情感的定义 | 第14页 |
| 2.2 情感的分类 | 第14-16页 |
| 2.3 情感空间 | 第16-17页 |
| 2.3.1 维度空间 | 第16页 |
| 2.3.2 情感轮 | 第16-17页 |
| 2.4 情感语音数据库 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 语音信号情感特征提取 | 第19-29页 |
| 3.1 语音信号的预处理 | 第19-21页 |
| 3.1.1 预加重 | 第19页 |
| 3.1.2 分帧加窗 | 第19-20页 |
| 3.1.3 端点检测 | 第20-21页 |
| 3.2 语音信号特征提取 | 第21-28页 |
| 3.2.1 基音频率 | 第22-23页 |
| 3.2.2 短时能量 | 第23-24页 |
| 3.2.3 共振峰 | 第24-26页 |
| 3.2.4 线性预测倒谱系数LPCC | 第26-27页 |
| 3.2.5 梅尔频率倒谱系数MFCC | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 基语音情感识别的HMM/RBF混合模型与实现 | 第29-50页 |
| 4.1 隐马尔科夫模型 | 第29-34页 |
| 4.1.1 HMM定义 | 第30-31页 |
| 4.1.2 HMM 模型的基本算法 | 第31-34页 |
| 4.2 人工神经网络 | 第34-41页 |
| 4.2.1 ANN 概述 | 第34-36页 |
| 4.2.2 RBF 神经网络 | 第36-37页 |
| 4.2.3 RBF神经网络学习率改进 | 第37-39页 |
| 4.2.4 RBF神经网络学习过程 | 第39-41页 |
| 4.3 基于语音情感识别的HMM/ANN的混合模型 | 第41-42页 |
| 4.3.1 基于语音情感识别的HMM/ANN的理论基础 | 第41-42页 |
| 4.3.2 基于语音情感识别的HMM/ANN的结合方式 | 第42页 |
| 4.4 基于语音情感识别的HMM/RBF混合模型的实现 | 第42-46页 |
| 4.4.1 基于语音情感识别的HMM/RBF混合模型的训练 | 第43-46页 |
| 4.4.2 基于语音情感识别的HMM/RBF混合模型的识别 | 第46页 |
| 4.5 实验结果对比 | 第46-49页 |
| 4.5.1 识别率比较 | 第47-48页 |
| 4.5.2 收敛速度比较 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于语音情感识别的情绪监测系统的设计与实现 | 第50-62页 |
| 5.1 项目背景和目的 | 第50-51页 |
| 5.2 情绪监测系统需求分析 | 第51-52页 |
| 5.2.1 系统功能需求分析 | 第51-52页 |
| 5.2.2 系统数据需求分析 | 第52页 |
| 5.3 情绪监测系统详细设计 | 第52-57页 |
| 5.3.1 系统结构 | 第52-53页 |
| 5.3.2 系统环境与部署 | 第53-54页 |
| 5.3.3 系统主要数据库设计 | 第54-55页 |
| 5.3.4 Web端具体实现 | 第55-57页 |
| 5.4 Web端系统展示 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62-63页 |
| 6.2 展望及后续工作 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 附录2 攻读硕士学位期间申请的专利 | 第68-69页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
