| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 可穿戴社交感知系统 | 第10-13页 |
| 1.2.1 可穿戴社交感知系统国内发展现状 | 第10-12页 |
| 1.2.2 可穿戴社交感知系统国外发展现状 | 第12-13页 |
| 1.3 语音分割的研究意义 | 第13页 |
| 1.4 语音分割方法的国内外研究现状 | 第13-15页 |
| 1.4.1 语音分割方法国内研究现状 | 第14页 |
| 1.4.2 语音分割方法国外研究现状 | 第14-15页 |
| 1.5 研究问题及内容 | 第15-16页 |
| 1.5.1 研究问题 | 第15-16页 |
| 1.5.2 研究内容 | 第16页 |
| 1.6 论文结构 | 第16-18页 |
| 第二章 HMM非监督语音分割方法 | 第18-45页 |
| 2.1 语音分割算法的基本原理 | 第18-21页 |
| 2.2 语音特征提取 | 第21-23页 |
| 2.2.1 短时能量 | 第21页 |
| 2.2.2 短时平均过零率 | 第21页 |
| 2.2.3 短时自相关函数 | 第21-22页 |
| 2.2.4 谱熵 | 第22页 |
| 2.2.5 Mel倒谱系数（MFCC） | 第22-23页 |
| 2.3 HMM非监督语音分割算法 | 第23-26页 |
| 2.4 数据采集 | 第26-27页 |
| 2.5 F分数 | 第27-28页 |
| 2.6 基于HMM的语音分割算法的结果与分析 | 第28-43页 |
| 2.6.1 安静环境下（实验室）的语音分割算法结果与分析 | 第28-33页 |
| 2.6.2 有噪音的环境（银杏大道）的语音分割算法结果与分析 | 第33-38页 |
| 2.6.3 噪音比较大的环境（餐厅）的语音分割算法结果与分析 | 第38-43页 |
| 2.6.4 语音分割结果总结 | 第43页 |
| 2.7 本章小结 | 第43-45页 |
| 第三章 融合KL散度的HMM语音分割方法 | 第45-57页 |
| 3.1 KL散度(KL-DIVERGENCE, KLD) | 第45-46页 |
| 3.2 基于HMM-KLD的语音分割算法的基本原理 | 第46-48页 |
| 3.3 基于HMM+KLD的语音分割算法结果与分析 | 第48-56页 |
| 3.3.1 安静的环境（实验室） | 第48-51页 |
| 3.3.2 有噪音的环境（银杏大道） | 第51-53页 |
| 3.3.3 噪音较大的环境（餐厅） | 第53-55页 |
| 3.3.4 语音分割结果总结 | 第55-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于稀疏性相关特征的语音自动分割系统 | 第57-64页 |
| 4.1 稀疏性相关特征 | 第57页 |
| 4.2 基于HMM-KLD的稀疏性相关特征的自动判别语音分割算法 | 第57-59页 |
| 4.3 基于短时能量语音特征的稀疏相关性分析与自动判别法 | 第59-61页 |
| 4.4 语音自动分割系统在实际场景中的语音 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 基于社交特征的语音信号分析 | 第64-77页 |
| 5.1 语音社交感知特征 | 第64-65页 |
| 5.2 基于社交特征亲密度的语音信号分析 | 第65-71页 |
| 5.3 基于老人社交特征的语音信号分析 | 第71-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 在学期间取得的与学位论文相关的研究成果 | 第86-87页 |
