| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 语音情感识别国内外研究历史、现状及挑战 | 第8-10页 |
| 1.3 本文的主要贡献 | 第10页 |
| 1.4 论文组织结构 | 第10-12页 |
| 2 语音情感识别相关研究基础 | 第12-30页 |
| 2.1 情感的定义及分类 | 第12-15页 |
| 2.1.1 情感的定义 | 第12页 |
| 2.1.2 情感的分类 | 第12-15页 |
| 2.2 具有代表性的情感语音库 | 第15-16页 |
| 2.2.1 离散情感数据库 | 第15-16页 |
| 2.2.2 维度情感数据库 | 第16页 |
| 2.3 语音信号预处理 | 第16-17页 |
| 2.4 常见的语音情感特征 | 第17-19页 |
| 2.4.1 韵律学特征 | 第17-18页 |
| 2.4.2 基于谱的相关特征 | 第18页 |
| 2.4.3 声音质量特征 | 第18-19页 |
| 2.4.4 融合特征 | 第19页 |
| 2.4.5 基于i-vector的特征 | 第19页 |
| 2.5 常见的语音情感识别算法 | 第19-29页 |
| 2.5.1 基于传统机器学习的语音情感识别算法 | 第19-24页 |
| 2.5.2 基于深度学习的语音情感识别算法 | 第24-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于EMNet的语音情感识别 | 第30-46页 |
| 3.1 语谱图 | 第30-31页 |
| 3.2 卷积神经网络基本原理 | 第31-35页 |
| 3.2.1 局部感知域 | 第31-32页 |
| 3.2.2 参数共享 | 第32-33页 |
| 3.2.3 多卷积核 | 第33-34页 |
| 3.2.4 下采样(Down-pooling) | 第34-35页 |
| 3.3 CNN的前向和反向传播过程 | 第35-37页 |
| 3.3.1 CNN的前向传播过程 | 第35-36页 |
| 3.3.2 CNN的反向传播过程 | 第36-37页 |
| 3.4 实验环境及数据集 | 第37-39页 |
| 3.4.1 实验环境 | 第37页 |
| 3.4.2 实验数据集 | 第37-39页 |
| 3.5 实验过程与结果 | 第39-43页 |
| 3.5.1 基于AlexNet的语音情感识别实验 | 第39-41页 |
| 3.5.2 基于EMNet的语音情感识别实验 | 第41-43页 |
| 3.6 AlexNet和EMNet的模型复杂度分析 | 第43-45页 |
| 3.6.1 AlexNet模型的复杂度分析 | 第43-44页 |
| 3.6.2 EMNet模型的复杂度分析 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 4 DPARIP与CNN相结合的语音情感识别算法 | 第46-58页 |
| 4.1 视网膜及凸透镜成像原理 | 第46-48页 |
| 4.2 基于视网膜成像原理的数据处理算法DPARIP | 第48-52页 |
| 4.3 实验环境及数据集 | 第52-53页 |
| 4.3.1 实验环境 | 第52页 |
| 4.3.2 实验数据集 | 第52-53页 |
| 4.4 实验过程与结果 | 第53-56页 |
| 4.5 实验分析 | 第56页 |
| 4.6 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-59页 |
| 5.1 全文总结 | 第58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-68页 |
| 附录 | 第68页 |
| A.作者在攻读学位期间发表的论文目录 | 第68页 |