首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

基于神经网络的语音情感识别算法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-22页
    1.1 课题研究背景和意义第16-17页
    1.2 国内外研究现状第17-18页
    1.3 本文研究内容及章节安排第18-22页
第二章 语音情感识别的基本理论第22-30页
    2.1 语音情感研究的基本流程第22-23页
    2.2 情感理论第23-25页
        2.2.1 情绪的有限状态集和维度空间第23-24页
        2.2.2 语音情感理论第24页
        2.2.3 语音情感语料库简介第24-25页
    2.3 语音信号预处理第25-27页
        2.3.1 语音信号预加重第25-26页
        2.3.2 语音信号分帧和加窗第26-27页
    2.4 语音特征分类第27-28页
    2.5 语音情感分类器第28页
    2.6 本章小结第28-30页
第三章 语音情感特征的分析及提取第30-40页
    3.1 语音韵律学情感特征的分析及提取第30-33页
    3.2 语音音质情感特征的分析及提取第33-36页
    3.3 语音谱相关情感特征的分析及提取第36-38页
    3.4 语音特征的统计学参数第38-39页
    3.5 本章小结第39-40页
第四章 基于BP神经网络的语音情感识别算法研究第40-60页
    4.1 BP神经网络基础第40-46页
        4.1.1 BP神经网络的基本原理第40-41页
        4.1.2 BP神经网络的数学表达第41-44页
        4.1.3 BP神经网络的训练步骤第44-46页
    4.2 BP神经网络算法用于语音情感识别的方案设计第46-50页
        4.2.1 BP神经网络算法的特征输入第46-49页
        4.2.2 BP神经网络算法的参数设置第49-50页
    4.3 基于BP神经网络的语音情感识别实验第50-59页
        4.3.1 迭代训练次数对BP神经网络识别性能的影响第50-53页
        4.3.2 学习率对BP神经网络识别性能的影响第53-54页
        4.3.3 隐含层神经元个数对BP神经网络识别性能的影响第54-56页
        4.3.4 样本集个数对语音情感识别率的影响第56-57页
        4.3.5 不同特征组合的BP神经网络识别率比较第57-58页
        4.3.6 情感种类对BP神经网络识别率的影响第58-59页
        4.3.7 实验分析第59页
    4.4 本章小结第59-60页
第五章 基于卷积神经网络的语音情感识别算法研究第60-82页
    5.1 卷积神经网络实验工具简介第60页
    5.2 卷积神经网络的基本理论第60-66页
        5.2.1 卷积神经网络的基本结构第60-64页
        5.2.2 卷积神经网络的求解和训练过程第64-66页
    5.3 卷积神经网络算法用于语音情感识别的方案设计第66-73页
        5.3.1 卷积神经网络算法的特征输入第66-68页
        5.3.2 卷积神经网络算法的参数设置第68-72页
        5.3.3 卷积神经网络算法的网络结构设计第72-73页
    5.4 基于卷积神经网络的语音情感识别实验第73-80页
        5.4.1 卷积神经网络算法的训练过程第73-74页
        5.4.2 情感种类对卷积神经网络识别率的影响第74-77页
        5.4.3 训练集个数对情感识别率的影响第77-79页
        5.4.4 卷积神经网络和BP神经网络两种语音情感识别算法比较第79-80页
    5.5 本章小结第80-82页
第六章 总结与展望第82-84页
    6.1 总结第82页
    6.2 展望第82-84页
参考文献第84-88页
致谢第88-90页
作者简介第90-91页

论文共91页,点击 下载论文
上一篇:基于ARM平台的红外制导仿真系统
下一篇:养老保险领域问答系统关键技术研究