| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容及结构安排 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 本文结构安排 | 第13-14页 |
| 第二章 数据预处理 | 第14-27页 |
| 2.1 语音信号预处理 | 第14-19页 |
| 2.1.1 预加重 | 第14-15页 |
| 2.1.2 加窗分帧 | 第15-16页 |
| 2.1.3 端点检测 | 第16-19页 |
| 2.2 语谱图 | 第19-22页 |
| 2.2.1 生成语谱图 | 第20页 |
| 2.2.2 语谱图分析 | 第20-22页 |
| 2.3 声学特征 | 第22-26页 |
| 2.3.1 语音能量 | 第22-23页 |
| 2.3.2 基音周期 | 第23页 |
| 2.3.3 共振峰 | 第23-24页 |
| 2.3.4 Mel频率倒普系数 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于语谱图的卷积神经网络特征提取与融合 | 第27-37页 |
| 3.1 卷积神经网络概述 | 第27-32页 |
| 3.1.1 神经网络 | 第27-28页 |
| 3.1.2 卷积神经网络 | 第28-32页 |
| 3.2 卷积特征提取 | 第32-35页 |
| 3.2.1 用于语音情感识别的CNN结构 | 第32-33页 |
| 3.2.2 特征学习 | 第33-35页 |
| 3.3 特征融合 | 第35-36页 |
| 3.3.1 统计特性 | 第35页 |
| 3.3.2 特征归一化 | 第35-36页 |
| 3.3.3 实验特征数据 | 第36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于多级SVM的语音情感识别 | 第37-48页 |
| 4.1 支持向量机 | 第37-41页 |
| 4.1.1 线性可分SVM | 第37-39页 |
| 4.1.2 线性不可分SVM | 第39-41页 |
| 4.2 多级SVM情感分类模型 | 第41-42页 |
| 4.2.1 传统多分类SVM | 第41页 |
| 4.2.2 多级SVM情感分类算法 | 第41-42页 |
| 4.3 多级SVM语音情感识别 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于特征优化的多级SVM语音情感识别 | 第48-55页 |
| 5.1 PCA基本原理 | 第48-49页 |
| 5.2 基于PCA特征优化的多级SVM建模 | 第49-53页 |
| 5.2.1 基于PCA局部特征优化的多级SVM算法 | 第49-51页 |
| 5.2.2 基于PCA全局特征优化的多级SVM算法 | 第51-53页 |
| 5.3 实验及分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |