| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 研究现状 | 第16-19页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-19页 |
| 1.3 立题依据 | 第19-20页 |
| 1.4 主要内容及章节安排 | 第20-22页 |
| 1.4.1 主要内容 | 第20-21页 |
| 1.4.2 章节安排 | 第21-22页 |
| 第二章 语音情绪识别的理论基础 | 第22-30页 |
| 2.1 语音信号的产生 | 第22-23页 |
| 2.2 情绪分类 | 第23-24页 |
| 2.3 情感语音库的建立 | 第24-27页 |
| 2.3.1 情感语音库的创建方式 | 第24-25页 |
| 2.3.2 典型情感语音库 | 第25-27页 |
| 2.4 语音情绪识别 | 第27-29页 |
| 2.4.1 语音情绪识别的原理 | 第27-28页 |
| 2.4.2 语音情绪识别的分类识别算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 语音信号的前期处理 | 第30-44页 |
| 3.1 情感语音信号的预处理 | 第30-32页 |
| 3.1.1 采样与量化 | 第30-31页 |
| 3.1.2 预加重 | 第31页 |
| 3.1.3 分帧 | 第31页 |
| 3.1.4 加窗 | 第31-32页 |
| 3.2 传统两级判别端点检测 | 第32-38页 |
| 3.2.1 短时能量 | 第33页 |
| 3.2.2 短时过零率 | 第33-34页 |
| 3.2.3 两级判别端点检测算法 | 第34-38页 |
| 3.3 基于样本熵改进的两级判别端点检测 | 第38-43页 |
| 3.3.1 样本熵理论及其算法 | 第38-39页 |
| 3.3.2 基于样本熵改进的两级判别端点检测算法 | 第39-40页 |
| 3.3.3 样本熵门限阈值的确定 | 第40-42页 |
| 3.3.4 仿真及结果分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 语音信号的特征提取与选择 | 第44-58页 |
| 4.1 语音特征与情绪的对应关系 | 第44-45页 |
| 4.2 语音信号的特征提取及分析 | 第45-53页 |
| 4.2.1 发音速率 | 第45-46页 |
| 4.2.2 短时能量特征 | 第46-48页 |
| 4.2.3 基音周期和基因频率 | 第48-50页 |
| 4.2.4 MFCC | 第50-52页 |
| 4.2.5 样本熵 | 第52-53页 |
| 4.3 基于PCA贡献分析的特征选择 | 第53-57页 |
| 4.3.1 PCA概述 | 第54-55页 |
| 4.3.2 特征选择 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于PCA贡献分析的神经网络语音情绪识别 | 第58-68页 |
| 5.1 神经网络模型的构建 | 第58-64页 |
| 5.1.1 BP网络模型 | 第58-59页 |
| 5.1.2 BP网络的学习算法 | 第59-63页 |
| 5.1.3 神经网络模型的具体设计 | 第63-64页 |
| 5.2 语音情绪识别仿真结果对比分析 | 第64-67页 |
| 5.2.1 不同参数下语音情绪识别仿真结果对比分析 | 第64-66页 |
| 5.2.2 基于PCA-BP的情绪识别仿真结果对比分析 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |