| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 绪论 | 第13-21页 |
| ·研究背景及意义 | 第13-14页 |
| ·语音情感识别研究现状 | 第14-17页 |
| ·国外最新研究动态 | 第14-16页 |
| ·国内最新研究动态 | 第16-17页 |
| ·本文的研究内容及章节安排 | 第17-21页 |
| ·研究内容 | 第17-19页 |
| ·章节安排 | 第19-21页 |
| 第二章 情感语音库的建立 | 第21-31页 |
| ·情感的分类 | 第21-25页 |
| ·情感空间 | 第23-25页 |
| ·Activation Evaluation 空间 | 第23-24页 |
| ·情感轮 | 第24-25页 |
| ·情感语音库的建立 | 第25-29页 |
| ·普通话情感语音资料的获取 | 第25-29页 |
| ·录音法 | 第26-28页 |
| ·剪辑法 | 第28-29页 |
| ·情感语音的组织与存取 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于SFS/GRNN 特征选择技术 | 第31-47页 |
| ·声学统计特征的分析与提取 | 第31-37页 |
| ·情感语音信号的预处理 | 第31-32页 |
| ·统计特征的分析与提取 | 第32-37页 |
| ·语音短时分析技术 | 第33-34页 |
| ·基音频率 | 第34-35页 |
| ·振幅能量 | 第35-36页 |
| ·共振峰 | 第36-37页 |
| ·基于SFS/GRNN 特征选择实验 | 第37-45页 |
| ·使用SFS/CON 改进的特征选择方法 | 第38-39页 |
| ·GRNN 的基本原理及MNN 结构设计 | 第39-41页 |
| ·实验结果及分析 | 第41-45页 |
| ·SFS/GRNN 选择特征 | 第41-43页 |
| ·CON 细化选择特征 | 第43-44页 |
| ·多个分类器实验比较 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第四章 基于VQ 技术的特征向量融合 | 第47-58页 |
| ·特征融合方法的提出 | 第47-48页 |
| ·特征参数的组合 | 第47-48页 |
| ·改进的特征融合方法 | 第48页 |
| ·矢量量化技术 | 第48-52页 |
| ·矢量量化定义 | 第49页 |
| ·基于改进的LBG 算法的矢量量化器设计 | 第49-52页 |
| ·分裂法求初始码本 | 第50-51页 |
| ·改进的LBG 算法 | 第51-52页 |
| ·基于VQ/ANN 的语音情感识别 | 第52-54页 |
| ·频谱特征的提取及前端处理 | 第52-54页 |
| ·MFCC 和△MFCC 的提取 | 第52-53页 |
| ·使用VQ 的前端处理 | 第53-54页 |
| ·实验结果及分析 | 第54-57页 |
| ·码书的选择 | 第54页 |
| ·神经网络分类器的设计 | 第54-55页 |
| ·结果比较与分析 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第五章 基于神经网络的语音情感识别系统的设计及实现 | 第58-74页 |
| ·神经网络模型的构建 | 第58-62页 |
| ·神经网络方法简介 | 第58-59页 |
| ·情感识别神经网络模型的建立 | 第59-62页 |
| ·BP 网络结构 | 第59-60页 |
| ·神经网络拓扑结构 | 第60-62页 |
| ·语音情感识别系统ERSNN 设计 | 第62-67页 |
| ·主要模块结构 | 第62-67页 |
| ·语音信号采集与处理模块 | 第65-66页 |
| ·特征参数选择与融合模块 | 第66页 |
| ·离线训练和在线识别模块 | 第66-67页 |
| ·语音情感识别系统ERSNN 实现 | 第67-71页 |
| ·ERSNN 性能测试与评价 | 第71-73页 |
| ·小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-78页 |
| ·总结 | 第74-75页 |
| ·展望 | 第75-78页 |
| 参考文献 | 第78-86页 |
| 致谢 | 第86-87页 |
| 在学习期间的学术成果和发表论文 | 第87页 |