| 中文摘要 | 第10-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及应用领域 | 第15-16页 |
| 1.1.1 语音情感识别研究背景 | 第15页 |
| 1.1.2 语音情感识别应用领域 | 第15-16页 |
| 1.2 国内外研究现状及存在问题 | 第16-17页 |
| 1.2.1 语音情感识别国内外研究现状 | 第16-17页 |
| 1.2.2 语音情感识别存在问题 | 第17页 |
| 1.3 研究内容与论文结构 | 第17-19页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 论文结构 | 第18-19页 |
| 第二章 情感语音信号预处理与特征提取 | 第19-39页 |
| 2.1 情感描述模型 | 第19-20页 |
| 2.1.1 情感的定义 | 第19页 |
| 2.1.2 情感的分类 | 第19-20页 |
| 2.2 情感语音数据库 | 第20-21页 |
| 2.3 情感语音信号预处理 | 第21-23页 |
| 2.3.1 预加重 | 第21页 |
| 2.3.2 分帧加窗 | 第21-23页 |
| 2.3.3 清浊音判别 | 第23页 |
| 2.4 基于W-SRH算法的清浊音判别 | 第23-27页 |
| 2.4.1 算法基本理论 | 第23-24页 |
| 2.4.2 W-SRH清浊音判别算法实现 | 第24-25页 |
| 2.4.3 清浊音判别结果 | 第25-27页 |
| 2.5 语音情感特征提取 | 第27-34页 |
| 2.5.1 韵律特征 | 第27-30页 |
| 2.5.2 音质特征 | 第30-32页 |
| 2.5.3 谱特征 | 第32-34页 |
| 2.6 语音情感特征降维 | 第34-37页 |
| 2.6.1 主成分分析 | 第34-36页 |
| 2.6.2 主成分分析降维结果 | 第36-37页 |
| 2.7 本章小结 | 第37-39页 |
| 第三章 声门波特征提取及分析 | 第39-49页 |
| 3.1 基于SRH-PSIAIF算法的声门波信号获取 | 第39-43页 |
| 3.1.1 SRH-PSIAIF算法基本理论 | 第39-40页 |
| 3.1.2 SRH-PSIAIF算法实现 | 第40-41页 |
| 3.1.3 声门波信号获取结果 | 第41-43页 |
| 3.2 声门波特征分析 | 第43-48页 |
| 3.2.1 抛物线频谱参数(PSP) | 第43-46页 |
| 3.2.2 谐波丰富因子(HRF) | 第46-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 语音情感识别 | 第49-63页 |
| 4.1 语音情感识别概述 | 第49页 |
| 4.2 人工神经网络 | 第49-51页 |
| 4.2.1 神经网络概述 | 第49页 |
| 4.2.2 神经网络类型 | 第49-50页 |
| 4.2.3 神经网络结构 | 第50-51页 |
| 4.3 BP神经网络 | 第51-54页 |
| 4.3.1 BP神经网络概述 | 第51-52页 |
| 4.3.2 BP神经网络的学习算法 | 第52-54页 |
| 4.3.3 BP神经网络训练方式 | 第54页 |
| 4.4 栈式自编码算法 | 第54-58页 |
| 4.4.1 稀疏自编码神经网络 | 第54-56页 |
| 4.4.2 稀疏自编码器学习算法 | 第56-57页 |
| 4.4.3 softmax回归 | 第57页 |
| 4.4.4 栈式自编码 | 第57-58页 |
| 4.4.5 栈式自编码算法特点 | 第58页 |
| 4.5 仿真实现 | 第58-61页 |
| 4.5.1 分类过程 | 第59页 |
| 4.5.2 分类结果与分析 | 第59-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63页 |
| 5.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 个人简况及联系方式 | 第71-73页 |