| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究现状及价值 | 第11-14页 |
| ·本文的工作 | 第14-15页 |
| ·本文的结构 | 第15-16页 |
| 第2章 语音产生的机理及情感的分类 | 第16-23页 |
| ·语音产生的机理 | 第16-21页 |
| ·语音产生的生理基础 | 第16-17页 |
| ·语音产生的物理模型 | 第17-19页 |
| ·语音信号中情感特征的分析 | 第19-21页 |
| ·情感的定义 | 第21页 |
| ·情感的分类 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 情感语音库与语音信号分析 | 第23-37页 |
| ·汉语语音情感数据库的建立 | 第23-27页 |
| ·Speaker-Independent 情感语音数据库 | 第23-24页 |
| ·Speaker-Dependent 情感语音数据库 | 第24-27页 |
| ·语音信号分析 | 第27-36页 |
| ·语音信号的采集和数字化 | 第28页 |
| ·语音信号的去噪处理 | 第28-30页 |
| ·语音信号的平滑处理 | 第30-31页 |
| ·语音信号时域分析 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 语音情感特征参数的分析与提取 | 第37-54页 |
| ·目前常用的语音情感特征参数提取技术 | 第37-40页 |
| ·线性预测分析 | 第37-38页 |
| ·Mel 倒谱系数 | 第38-39页 |
| ·感知线性预测分析 | 第39-40页 |
| ·语音情感特征的分析 | 第40-43页 |
| ·时间构造的分析 | 第40-41页 |
| ·振幅能量构造分析 | 第41-42页 |
| ·基音构造分析 | 第42-43页 |
| ·基于汉明窗的特征参数提取 | 第43-46页 |
| ·汉明窗简介 | 第43-44页 |
| ·振幅能量参数的提取 | 第44-45页 |
| ·时间参数的提取 | 第45-46页 |
| ·基于小波变换的特征参数提取 | 第46-53页 |
| ·小波简介 | 第46-47页 |
| ·多分辨分析与Mallat 塔式算法 | 第47-50页 |
| ·小波变换奇异点检测算法 | 第50-51页 |
| ·应用小波变换提取基频参数 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于SVM 的情感识别 | 第54-67页 |
| ·统计学习理论与SVM 简介 | 第54-59页 |
| ·统计学习理论简介 | 第54-56页 |
| ·支持向量机简介 | 第56-59页 |
| ·非线性支持向量机 | 第59-62页 |
| ·识别结果与分析 | 第62-65页 |
| ·Speaker-Independent 情感语音的识别 | 第62页 |
| ·Speaker-Dependent 情感语音的识别 | 第62-63页 |
| ·实验结果分析 | 第63-64页 |
| ·相关研究比较 | 第64-65页 |
| ·存在的问题及研究展望 | 第65页 |
| ·本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |
