| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 语音疲劳度识别概括 | 第10-12页 |
| 1.2.1 语音疲劳度识别的特点 | 第10-11页 |
| 1.2.2 国内外语音疲劳度识的现状 | 第11-12页 |
| 1.3 声音疲劳度的分类 | 第12-14页 |
| 1.4 本文研究内容及结构 | 第14-16页 |
| 第二章 语音疲劳度识别特点及系统设计 | 第16-22页 |
| 2.1 语音疲劳度识别硬件环境及特点 | 第16-17页 |
| 2.2 不同环境下声音信号的区分处理 | 第17-18页 |
| 2.2.1 无用声音信号的去除 | 第17-18页 |
| 2.2.2 有效声音信号的获取 | 第18页 |
| 2.3 语音疲劳度识别系统构建 | 第18-21页 |
| 2.3.1 语音疲劳度识别系统需求 | 第18-19页 |
| 2.3.2 语音疲劳度识别系统设计 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 声音信号前端分析与处理基础 | 第22-36页 |
| 3.1 声音信号的发生与特征 | 第22-25页 |
| 3.1.1 声音信号的发生 | 第22-23页 |
| 3.1.2 人类声音信号的特点 | 第23-25页 |
| 3.2 声音信息的数字化 | 第25-28页 |
| 3.3 声音信息的预处理 | 第28-35页 |
| 3.3.1 声音信息的预加重 | 第28-29页 |
| 3.3.2 声音信息的分帧和加窗 | 第29-33页 |
| 3.3.3 声音信号的瞬时能量和平均幅度 | 第33-34页 |
| 3.3.4 端点检测 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 语音的疲劳度特征分析与识别模型 | 第36-54页 |
| 4.1 声音疲劳度特征参数分析 | 第36-37页 |
| 4.2 声音信号的情绪特征参数提取 | 第37-43页 |
| 4.2.1 声音的振能特征参数提取 | 第37-39页 |
| 4.2.2 声音的基音频率特征参数提取 | 第39-40页 |
| 4.2.3 声音的共振峰特征参数提取 | 第40-42页 |
| 4.2.4 声音信号的连续时间 | 第42-43页 |
| 4.3 语音疲劳度的识别 | 第43-52页 |
| 4.3.1 语音疲劳度的识别模型 | 第43页 |
| 4.3.2 人工神经网络法(Artificial Natural Network,ANN) | 第43-49页 |
| 4.3.3 支持向量机 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 语音疲劳度识别系统的设计与实现 | 第54-64页 |
| 5.1 语音疲劳度识别的系统软件和硬件概述 | 第54-56页 |
| 5.1.1 嵌入式Qt开发平台构建 | 第55-56页 |
| 5.1.2 嵌入式Qt的开发流程 | 第56页 |
| 5.2 Qt串口通信 | 第56页 |
| 5.3 系统实现 | 第56-61页 |
| 5.3.1 软件界面及功能介绍 | 第57-58页 |
| 5.3.2 软件各组成功能的操作界面 | 第58-61页 |
| 5.4 实验结果分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-67页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |