| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 语音情感的分类 | 第9-11页 |
| 1.3 语音情感数据库 | 第11页 |
| 1.3.1 语音情感数据库的简介 | 第11页 |
| 1.3.2 CASIA汉语情感数据库 | 第11页 |
| 1.4 语音情感识别的研究现状 | 第11-14页 |
| 1.5 本文创新工作及各章节组织结构 | 第14-15页 |
| 第2章 语音情感识别的前端处理 | 第15-25页 |
| 2.1 语音情感识别的一般分析过程 | 第15页 |
| 2.2 语音信号的产生机理与模型 | 第15-17页 |
| 2.2.1 语音信号的形成 | 第15-16页 |
| 2.2.2 语音信号生成的数学模型 | 第16-17页 |
| 2.3 语音信号的特性分析 | 第17-18页 |
| 2.4 语音信号预处理 | 第18-22页 |
| 2.4.1 预加重 | 第18-19页 |
| 2.4.2 语音信号的加窗与分帧 | 第19-21页 |
| 2.4.3 语音信号的端点检测 | 第21-22页 |
| 2.5 基于能熵比的端点检测 | 第22-23页 |
| 2.6 端点检测实验结果与分析 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第3章 语音情感特征提取与选择 | 第25-34页 |
| 3.1 特征参数的提取 | 第25-31页 |
| 3.1.1 短时能量 | 第27页 |
| 3.1.2 短时过零率 | 第27页 |
| 3.1.3 基频 | 第27-28页 |
| 3.1.4 共振峰 | 第28-29页 |
| 3.1.5 MFCC | 第29页 |
| 3.1.6 LPC | 第29-31页 |
| 3.2 基于BP神经网络的特征选择 | 第31-33页 |
| 3.2.1 BP神经网络特征选择的基本原理 | 第31-33页 |
| 3.2.2 特征选择结果 | 第33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于SVM及GMM的语音情感识别 | 第34-44页 |
| 4.1 支持向量机 | 第34-36页 |
| 4.2 高斯混合模型(GMM) | 第36-40页 |
| 4.2.1 GMM模型的基本概念 | 第36页 |
| 4.2.2 GMM模型的参数初始化 | 第36-37页 |
| 4.2.3 GMM模型的参数估计 | 第37-39页 |
| 4.2.4 语音情感GMM模型的匹配 | 第39-40页 |
| 4.3 基于SVM及GMM的语音情感识别结果 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于PCA的特征优化及特征的提出 | 第44-52页 |
| 5.1 基于PCA的特征优化 | 第44-48页 |
| 5.1.1 PCA的基本原理 | 第44-45页 |
| 5.1.2 基于PCA特征优化的实验结果 | 第45-48页 |
| 5.2 基于基频曲线上的MFCC特征(MFCCFF) | 第48-49页 |
| 5.2.1 实验结果及分析 | 第49页 |
| 5.3 基于短时平均幅度曲线上的微扰特征 | 第49-51页 |
| 5.3.1 实验结果及分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文 | 第57-58页 |
| 致谢 | 第58-59页 |