婴儿情绪信息的模式识别技术研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 研究背景与选题意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 选题意义 | 第8-9页 |
| 1.2 国内外研究发展综述 | 第9-13页 |
| 1.2.1 文献检索 | 第9-10页 |
| 1.2.2 研究综述 | 第10-12页 |
| 1.2.3 发展现状与趋势 | 第12-13页 |
| 1.3 本文研究内容与方法 | 第13-17页 |
| 1.3.1 研究内容 | 第13-15页 |
| 1.3.2 研究方法 | 第15-17页 |
| 第二章 婴儿情绪的表达特征与情绪信息分类 | 第17-24页 |
| 2.1 婴儿情绪的表达特征 | 第17-20页 |
| 2.1.1 情绪定义与分类 | 第17-18页 |
| 2.1.2 婴儿的发声系统 | 第18-19页 |
| 2.1.3 婴儿情绪的表达 | 第19-20页 |
| 2.2 婴儿情绪信息的分类 | 第20-24页 |
| 2.2.1 婴儿语音信息的划分 | 第20-22页 |
| 2.2.2 表情信息的划分 | 第22页 |
| 2.2.3 姿态与动作信息的划分 | 第22-23页 |
| 2.2.4 电生理信息的划分 | 第23-24页 |
| 第三章 婴儿情绪信息的采集及特征参数提取 | 第24-32页 |
| 3.1 婴儿情绪信息的采集与预处理 | 第24-28页 |
| 3.1.1 情绪信息的采样与量化 | 第24-25页 |
| 3.1.2 频谱信号预加重处理 | 第25页 |
| 3.1.3 语音信号分帧和加窗 | 第25-26页 |
| 3.1.4 语音信号的端点检测 | 第26-28页 |
| 3.2 婴儿情绪信息的特征参数提取 | 第28-32页 |
| 3.2.1 线性预测倒谱参数(LPCC) | 第29-30页 |
| 3.2.2 MEL频标倒谱参数(MFCC) | 第30-32页 |
| 第四章 婴儿情绪信息的模式识别方法及算法 | 第32-47页 |
| 4.1 婴儿情绪信息的模式识别方法 | 第32-36页 |
| 4.1.1 人工神经网络(ANN) | 第32-33页 |
| 4.1.2 隐马尔可夫模型(HMM) | 第33-34页 |
| 4.1.3 动态时间规整(DTW)方法 | 第34-36页 |
| 4.1.4 模式识别方法的比较 | 第36页 |
| 4.2 婴儿情绪信息的模式识别算法 | 第36-40页 |
| 4.2.1 DTW算法原理 | 第36-38页 |
| 4.2.2 DTW算法改进 | 第38-39页 |
| 4.2.3 DTW算法应用 | 第39-40页 |
| 4.3 模式识别算法程序编制与实现 | 第40-47页 |
| 4.3.1 源文件说明 | 第40-41页 |
| 4.3.2 算法流程图 | 第41-42页 |
| 4.3.3 模板训练算法 | 第42页 |
| 4.3.4 模板识别算法 | 第42-43页 |
| 4.3.5 数据预处理算法 | 第43页 |
| 4.3.6 模式识别DTW算法 | 第43-47页 |
| 第五章 实验测试及分析结论 | 第47-62页 |
| 5.1 实验测试方法与步骤 | 第47-49页 |
| 5.1.1 信息处理过程 | 第47页 |
| 5.1.2 基本实验环境 | 第47-49页 |
| 5.2 数据采集及预处理 | 第49-57页 |
| 5.2.1 情绪状态的分类 | 第49页 |
| 5.2.2 数据采集及存储 | 第49-50页 |
| 5.2.3 情绪信号预处理 | 第50-57页 |
| 5.3 特征参数提取及模式识别 | 第57-59页 |
| 5.3.1 特征参数提取 | 第57-58页 |
| 5.3.2 模式识别效果 | 第58-59页 |
| 5.4 实验分析结论与改进建议 | 第59-62页 |
| 5.4.1 分析结论 | 第59-60页 |
| 5.4.2 改进建议 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62页 |
| 6.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
