音频信号情感识别及受众脑电信号的关联分析
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及研究的目的和意义 | 第9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第2章 音频信号和脑电信号情感识别基本原理 | 第13-26页 |
| 2.1 情感定义及划分 | 第13-14页 |
| 2.1.1 离散情感模型 | 第13页 |
| 2.1.2 维度情感模型 | 第13-14页 |
| 2.2 音频信号情感识别基本原理 | 第14-17页 |
| 2.2.1 时域特征 | 第14页 |
| 2.2.2 频域特征 | 第14-16页 |
| 2.2.3 谱特征 | 第16-17页 |
| 2.2.4 调式 | 第17页 |
| 2.3 脑电情感识别基本原理 | 第17-22页 |
| 2.3.1 情感大脑 | 第17页 |
| 2.3.2 EEG信号特点 | 第17-18页 |
| 2.3.3 EEG信号预处理 | 第18-19页 |
| 2.3.4 EEG信号情感特征 | 第19-22页 |
| 2.4 降维方法 | 第22-23页 |
| 2.4.1 线性判别分析 | 第22页 |
| 2.4.2 多类簇特征选择 | 第22页 |
| 2.4.3 平均影响值算法 | 第22页 |
| 2.4.4 遗传算法 | 第22页 |
| 2.4.5 特征选择算法 | 第22-23页 |
| 2.5 识别方法 | 第23-25页 |
| 2.5.1 BP神经网络 | 第23-24页 |
| 2.5.2 支持向量机 | 第24页 |
| 2.5.3 决策树 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 语音信号情感识别 | 第26-34页 |
| 3.1 实验设计 | 第26-27页 |
| 3.2 选取特征 | 第27页 |
| 3.3 实验结果分析 | 第27-30页 |
| 3.3.1 MIV降维 | 第27-28页 |
| 3.3.2 LDA以及MCFS的方法降维 | 第28页 |
| 3.3.4 用CFS方法降维 | 第28-30页 |
| 3.4 特征分析 | 第30-33页 |
| 3.5 推广验证 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 音乐情感识别 | 第34-41页 |
| 4.1 数据库 | 第34-35页 |
| 4.2 音乐信号特征选取 | 第35页 |
| 4.3 实验设计 | 第35-36页 |
| 4.4 识别验证 | 第36-38页 |
| 4.5 特征分析 | 第38-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 音频信号引起的脑电信号分析 | 第41-54页 |
| 5.1 方法设计 | 第41页 |
| 5.2 脑电采集步骤 | 第41-42页 |
| 5.3 数据分析 | 第42-45页 |
| 5.3.1 特征提取 | 第42页 |
| 5.3.2 分类器验证 | 第42-44页 |
| 5.3.3 特征检验 | 第44-45页 |
| 5.4 特征分析 | 第45-50页 |
| 5.4.1 线性特征 | 第45-46页 |
| 5.4.2 非线性特征 | 第46-48页 |
| 5.4.3 检验 | 第48-50页 |
| 5.5 特征关联 | 第50-51页 |
| 5.6 识别检验 | 第51-53页 |
| 5.7 本章小结 | 第53-54页 |
| 第6章 基于LabVIEW的语音情感识别系统 | 第54-59页 |
| 6.1 设计流程 | 第54页 |
| 6.2 程序设计 | 第54-58页 |
| 6.2.1 录音与播放 | 第55页 |
| 6.2.2 特征提取 | 第55-56页 |
| 6.2.3 模型训练 | 第56-57页 |
| 6.2.4 识别 | 第57-58页 |
| 6.3 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-69页 |
| 致谢 | 第69页 |
