| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12页 |
| 1.2 语音情感识别的研究现状 | 第12-14页 |
| 1.2.1 国际研究现状 | 第13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 语音情感识别的应用前景 | 第14-15页 |
| 1.4 本文的研究内容与结构 | 第15-17页 |
| 1.4.1 论文的主要研究内容 | 第15-16页 |
| 1.4.2 论文的结构安排 | 第16-17页 |
| 2 语音情感理论基础 | 第17-24页 |
| 2.1 语音情感的定义 | 第17页 |
| 2.2 语音情感的分类 | 第17-20页 |
| 2.2.1 基本情感论和调色板情感论 | 第18-19页 |
| 2.2.2 情感维度空间论 | 第19-20页 |
| 2.3 情感语音数据库 | 第20-23页 |
| 2.3.1 建立情感语音数据库的原则 | 第21-22页 |
| 2.3.2 典型的情感语音数据库 | 第22-23页 |
| 2.3.3 本文的普通话情感语音数据库 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 语音信号的处理 | 第24-38页 |
| 3.1 语音信号的预处理 | 第24页 |
| 3.2 基于GA-SVM的端点检测方法 | 第24-31页 |
| 3.2.1 端点检测的特征向量 | 第26页 |
| 3.2.2 SVM分类器算法 | 第26-28页 |
| 3.2.3 遗传算法优化SVM参数 | 第28-31页 |
| 3.2.4 语音端点检测歩骤 | 第31页 |
| 3.3 语音情感特征分析 | 第31-37页 |
| 3.3.1 短时能量 | 第32-33页 |
| 3.3.2 梅尔频率倒谱系数 | 第33页 |
| 3.3.3 基因频率 | 第33-35页 |
| 3.3.4 共振峰 | 第35-36页 |
| 3.3.5 语音情感识别的特征向量 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 HMM和人工神经网络混合模型的设计 | 第38-53页 |
| 4.1 隐马尔可夫模型 | 第38-43页 |
| 4.1.1 HMM的定义 | 第38-39页 |
| 4.1.2 HMM模型的基本算法 | 第39-42页 |
| 4.1.3 HMM模型的优缺点 | 第42-43页 |
| 4.2 人工神经网络 | 第43-46页 |
| 4.2.1 人工神经网络的概述 | 第43-44页 |
| 4.2.2 概率神经网络 | 第44-46页 |
| 4.2.3 概率神经网络的优缺点 | 第46页 |
| 4.3 HMM和人工神经网络的混合模型 | 第46-47页 |
| 4.3.1 HMM和人工神经网络结合的理论依据 | 第46页 |
| 4.3.2 HMM和人工神经网络混合模型的结合方式 | 第46-47页 |
| 4.4 HMM和人工神经网络混合模型的实现 | 第47-51页 |
| 4.4.1 HMM和人工神经网络混合模型的结构 | 第47-48页 |
| 4.4.2 HMM和人工神经网络混合模型的训练 | 第48-50页 |
| 4.4.3 HMM和人工神经网络混合模型的识别 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 5 仿真实验和结果分析 | 第53-60页 |
| 5.1 仿真环境与数据来源 | 第53页 |
| 5.2 端点检测 | 第53-55页 |
| 5.2.1 遗传算法搜索SVM最优参数实验 | 第53-54页 |
| 5.2.2 语音端点检测实验 | 第54-55页 |
| 5.3 情感语音信号的特征提取 | 第55-57页 |
| 5.4 系统性能评估 | 第57-59页 |
| 5.4.1 识别率的比较 | 第57-58页 |
| 5.4.2 算法速度比较 | 第58页 |
| 5.4.3 噪声环境下系统的性能 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67-68页 |
| 致谢 | 第68页 |