| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 计算机辅助检测抑郁症的研究背景和意义 | 第9-10页 |
| 1.2 计算机辅助检测抑郁症的应用价值 | 第10-11页 |
| 1.3 计算机辅助检测抑郁症的研究历史与现状 | 第11-13页 |
| 1.4 论文研究内容和创新点 | 第13-14页 |
| 1.5 论文组织结构安排 | 第14-15页 |
| 第二章 语音信号及人脸表情前端处理 | 第15-29页 |
| 2.1 概述 | 第15页 |
| 2.2 抑郁症识别理论基础 | 第15-18页 |
| 2.3 语音信号预处理 | 第18-22页 |
| 2.3.1 预加重 | 第18-19页 |
| 2.3.2 分帧加窗 | 第19-20页 |
| 2.3.3 端点检测 | 第20-22页 |
| 2.4 语音信号增强 | 第22-27页 |
| 2.4.1 传统谱减算法 | 第23-24页 |
| 2.4.2 改进型谱减算法 | 第24-27页 |
| 2.5 人脸表情识别基本理论 | 第27-28页 |
| 2.6 本章总结 | 第28-29页 |
| 第三章 基于语音信号的抑郁症辅助检测系统设计与实现 | 第29-51页 |
| 3.1 概述 | 第29页 |
| 3.2 特征参数分析与提取 | 第29-34页 |
| 3.2.1 基音周期特征 | 第29-30页 |
| 3.2.2 共振峰特征 | 第30-31页 |
| 3.2.3 能量和短时平均幅度特征 | 第31-32页 |
| 3.2.4 MFCC特征 | 第32-34页 |
| 3.3 基于BP神经网络的抑郁症辅助检测算法 | 第34-38页 |
| 3.3.1 BP神经网络学习算法 | 第34-35页 |
| 3.3.2 针对抑郁语音的BP神经网络设计 | 第35-38页 |
| 3.4 语音识别仿真实验与结果分析 | 第38-50页 |
| 3.4.1 实验环境与数据库建立 | 第38-39页 |
| 3.4.2 情感语音特征分析 | 第39-44页 |
| 3.4.3 用于抑郁症辅助检测的BP网络的设计 | 第44-47页 |
| 3.4.4 用于抑郁症辅助检测的分类器选择 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 一种新的融合语音和人脸表情的抑郁症辅助检测算法 | 第51-67页 |
| 4.1 概述 | 第51页 |
| 4.2 基于稀疏表示的抑郁症辅助检测 | 第51-58页 |
| 4.2.1 稀疏表示基本原理 | 第51-53页 |
| 4.2.2 正交匹配追踪算法 | 第53-55页 |
| 4.2.3 人脸表情识别结果 | 第55-57页 |
| 4.2.4 融合后识别结果 | 第57-58页 |
| 4.3 Adaboost算法 | 第58-62页 |
| 4.3.1 Adaboost算法理论分析 | 第59-60页 |
| 4.3.2 BP-Adaboost算法设计 | 第60-62页 |
| 4.4 抑郁症辅助检测界面设计与结果分析 | 第62-64页 |
| 4.5 本章总结 | 第64-67页 |
| 总结与展望 | 第67-69页 |
| 工作总结 | 第67-68页 |
| 工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的科研成果 | 第75-77页 |
| 致谢 | 第77-78页 |