| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 语音情感识别的应用前景 | 第10-11页 |
| 1.3 语音情感识别的研究现状 | 第11-14页 |
| 1.3.1 语音情感特征提取的研究现状 | 第12-13页 |
| 1.3.2 语音情感识别算法的研究现状 | 第13页 |
| 1.3.3 固有时间尺度分解（ITD）的研究现状 | 第13-14页 |
| 1.4 本文的创新点 | 第14-15页 |
| 1.5 本文研究工作安排 | 第15-16页 |
| 1.6 论文的组织结构 | 第16-17页 |
| 第二章 语音情感传统特征的提取及分析 | 第17-28页 |
| 2.1 情感的定义和分类 | 第17-18页 |
| 2.2 语音情感库 | 第18-19页 |
| 2.3 语音信号的预处理 | 第19-21页 |
| 2.3.1 语音信号的预加重处理 | 第19-20页 |
| 2.3.2 加窗分帧原理 | 第20页 |
| 2.3.3 语音信号的端点检测 | 第20-21页 |
| 2.4 传统特征提取 | 第21-27页 |
| 2.4.1 短时能量 | 第21-22页 |
| 2.4.2 短时平均幅度 | 第22-23页 |
| 2.4.3 基音频率 | 第23-24页 |
| 2.4.4 短时过零率 | 第24-25页 |
| 2.4.5 Mel频率的倒谱系数 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 ITD在瞬时及混沌情感特征参数提取中的研究 | 第28-39页 |
| 3.1 ITD理论介绍 | 第28-31页 |
| 3.2 ITD的PR瞬时参数特征的提取方法 | 第31-33页 |
| 3.3 ITD的PR1关联维数的测定方法 | 第33-36页 |
| 3.3.1 相空间重构 | 第33-34页 |
| 3.3.2 互信息方法求取时间延迟t | 第34页 |
| 3.3.3 最佳嵌入维m的选取 | 第34-35页 |
| 3.3.4 G-P算法求关联维数 | 第35-36页 |
| 3.4 ITD的PR瞬时特征和PR1关联维数实验结果分析 | 第36-38页 |
| 3.4.1 PR瞬时特征 | 第36-37页 |
| 3.4.2 PR1关联维数 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 SVM及附加动量的BPNN情感识别算法 | 第39-47页 |
| 4.1 支持向量机 | 第39-42页 |
| 4.1.1 线性可分情况 | 第39-41页 |
| 4.1.2 广义最优分类面 | 第41页 |
| 4.1.3 支持向量机基本思想 | 第41-42页 |
| 4.2 基于附加动量的BPNN算法 | 第42-46页 |
| 4.2.1 神经网络的基本原理 | 第42-44页 |
| 4.2.2 BPNN的算法思想和结构 | 第44-45页 |
| 4.2.3 附加动量的BPNN | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 基于ITD特征提取的语音情感识别实验 | 第47-52页 |
| 5.1 特征提取 | 第47-48页 |
| 5.2 实验结果及分析 | 第48-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 全文总结 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录（攻读硕士学位期间发表录用论文） | 第60页 |