摘要：语音情感识别不仅是计算机理解人类情感的关键，也是实现智能人机交互的前提，已经在许多场景中得到了广泛的关注。传统的语音情感识别主要基于韵律学特征、音质特征和基于频谱特征的统计值进行情感计算。随着深度神经网络的发展，卷积神经网络等深度学习算法逐渐发展起来，这给语音情感识别发展带来了广阔的研究前景，但是其复杂的网络结构和大量的参数导致算法的运行时间过长，这给语音情感识别技术的推广带来了诸多不便。

本文围绕语音情感识别采用宽度学习网络(Broad Learning Systerm, BLS)对其进行研究。首先，介绍了语音情感识别的相关知识；然后，提出了基于宽度学习网络的语音情感识别模型并将从语音信号中提取的MFCC特征引入进行情感类别的判定与分析；最后，提出了递归特征节点级联的宽度学习网络对情感识别性能进行优化。实验结果表明，该方法可以有效提高语音情感的识别率。

关键词：语音情感识别；宽度学习网络；特征提取

目 录

摘 要

ABSTRACT

第一章  绪论-1

1.1 课题研究背景及意义-1

1.2 课题研究现状-1

1.3 课题研究内容及难点-3

1.4 论文安排-4

第二章  语音情感识别的基本理论-5

2.1 引言-5

2.2 语音信号的预处理-5

2.2.1 预加重-5

2.2.2 分帧加窗-6

2.2.3 端点检测-6

2.3语音情感特征提取-7

2.3.1 基音周期-7

2.3.2 共振峰-7

2.2.3 MFCC-8

2.3.4 语谱图-8

2.4 本章小结-9

第三章  基于宽度学习的语音情感识别-10

3.1 引言-10

3.2宽度学习网络简述-10

3.2.1 随机向量功能链路神经网络-10

3.2.2 宽度学习网络-11

3.3 基于MFCC-BLS的语音情感识别-12

3.4 实验与仿真-14

3.4.1 仿真平台与情感数据库-14

3.4.2 结果与分析-15

3.5本章小结-16

第四章  递归特征节点级联的语音情感识别方法-17

4.1引言-17

4.2 基于CRBLS算法模型-17

4.3 基于CRBLS的语音情感识别模型-18

4.4 实验与仿真-19

4.5本章小结-20

第五章  总结与展望-21

参考文献-22

致  谢-24