| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题研究的背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国际研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18页 |
| 1.4 本文的组织 | 第18-20页 |
| 第2章 情感理论基础 | 第20-26页 |
| 2.1 情感的定义 | 第20页 |
| 2.2 情感的分类 | 第20-22页 |
| 2.3 情感空间 | 第22-23页 |
| 2.2.3 Activation- Eva luatio n 空间 | 第22页 |
| 2.2.4 情感轮 | 第22-23页 |
| 2.4 情感语音数据库的采集 | 第23-25页 |
| 2.4.1 情感语音采集的方法和原则 | 第24页 |
| 2.4.2 国内外语音情感数据库 | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 第三章 语音信号特征提取 | 第26-38页 |
| 3.1 语音信号的数字化和预处理 | 第26-29页 |
| 3.1.1 预加重 | 第26-27页 |
| 3.1.2 加窗 | 第27-28页 |
| 3.1.3 端点检测 | 第28-29页 |
| 3.2 语音信号的时域分析 | 第29-33页 |
| 3.2.1 短时能量分析 | 第29-31页 |
| 3.2.2 短时过零率分析 | 第31页 |
| 3.2.3 短时自相关函数分析 | 第31-33页 |
| 3.2.4 短时平均幅度差函数 | 第33页 |
| 3.3 基音频率 | 第33-35页 |
| 3.4 倒谱特征分析 | 第35-37页 |
| 3.4.1 LPCC | 第36页 |
| 3.4.2 MFCC | 第36-37页 |
| 3.5 小结 | 第37-38页 |
| 第四章 HMM/RBF 混合模型设计 | 第38-52页 |
| 4.1 隐马尔可夫(HMM)模型 | 第38-42页 |
| 4.1.1 隐马尔可夫简介 | 第38-39页 |
| 4.1.2 HMM 模型 | 第39-42页 |
| 4.2 RBF 模型 | 第42-46页 |
| 4.2.1 神经网络方法简介 | 第42-43页 |
| 4.2.2 RBF 神经网络 | 第43-44页 |
| 4.2.3 RBF 网络的学习过程 | 第44-46页 |
| 4.3 HMM/RBF 混合模型设计 | 第46-51页 |
| 4.3.1 HMM 和 RBF 网络结合的必要性 | 第46页 |
| 4.3.2 HMM/RBF 混合模型的建立 | 第46-47页 |
| 4.3.3 混合模型训练 | 第47-50页 |
| 4.3.4 混合模型识别 | 第50-51页 |
| 4.4 小结 | 第51-52页 |
| 第五章 混合模型的仿真实验和结果分析 | 第52-62页 |
| 5.1 仿真实验概述 | 第52-53页 |
| 5.2 语音信号的预处理 | 第53-54页 |
| 5.3 特征提取和分析 | 第54-58页 |
| 5.3.1 能量相关 | 第54-55页 |
| 5.3.2 基频相关 | 第55-56页 |
| 5.3.3 时长相关 | 第56-57页 |
| 5.3.4 LPCC 和 MFCC | 第57-58页 |
| 5.3.5 归一化 | 第58页 |
| 5.4 混合模型参数的设置 | 第58-59页 |
| 5.5 训练次数的需求分析 | 第59-60页 |
| 5.6 实验结果比较 | 第60-61页 |
| 5.7 小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 附录 攻读学位期间所发表的学术论文 | 第70页 |