基于独立分量分析的语音情感识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究意义 | 第9页 |
| ·语音情感识别研究涉及的领域及应用 | 第9-11页 |
| ·国内外语音情感识别技术研究现状 | 第11-12页 |
| ·研究内容与章节安排 | 第12-14页 |
| ·主要研究内容 | 第12-13页 |
| ·章节安排 | 第13-14页 |
| 第2章 语音产生机理、情感分类和数据库建立 | 第14-20页 |
| ·语音情感的定义及分类 | 第14-16页 |
| ·语音情感数据库的建立 | 第16-19页 |
| ·情感语句选择 | 第17-18页 |
| ·情感语句录音 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 语音情感特征参数的分析提取 | 第20-34页 |
| ·语音信号预处理 | 第20-22页 |
| ·语音信号的采样和量化 | 第20页 |
| ·语音信号的预加重处理 | 第20-21页 |
| ·语音信号的加窗分帧处理 | 第21-22页 |
| ·语音情感特征分析 | 第22-23页 |
| ·语音情感特征参数提取 | 第23-33页 |
| ·语速的提取 | 第23-24页 |
| ·基音频率参数的提取 | 第24-26页 |
| ·振幅能量参数的提取 | 第26-27页 |
| ·共振峰参数的提取 | 第27-32页 |
| ·美尔子带能量参数的提取 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 语音情感特征的独立分量分析 | 第34-42页 |
| ·独立分量分析概述 | 第34页 |
| ·独立分量分析算法定义 | 第34-35页 |
| ·FastICA算法 | 第35-39页 |
| ·FastICA预处理 | 第36页 |
| ·FastICA算法原理 | 第36-38页 |
| ·FastICA的优良特性 | 第38-39页 |
| ·基于独立分量分析的特征提取 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第5章 基于SVM的语音情感识别 | 第42-59页 |
| ·常用的语音情感识别技术 | 第42-46页 |
| ·主成分分析方法(PCA) | 第42-43页 |
| ·人工神经网络 | 第43-44页 |
| ·隐马尔可夫模型 | 第44-45页 |
| ·高斯混合模型 | 第45-46页 |
| ·统计学习与支持向量机理论 | 第46-54页 |
| ·统计学习理论 | 第46-49页 |
| ·支持向量机理论 | 第49-54页 |
| ·基于SVM的仿真试验及分析 | 第54-57页 |
| ·独立分量分析前的情感识别 | 第55-56页 |
| ·独立分量分析后的情感识别 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
