面向智能机器人的Teager语音情感交互系统设计与实现
上传者:迟耀斌|上传时间:2015-04-24|密次下载
面向智能机器人的Teager语音情感交互系统设计与实现
第34卷第8期
2013年8月仪器仪表学报V01.34No.8Aug.2013ChineseJoumalofScientificInstrument
面向智能机器人的Teager语音情感
交互系统设计与实现
李翔1,李昕1”,胡晨1,卢夏衍1
(1.上海大学机电工程与自动化学院上海200072;2.哈尔滨工业大学机器人技术与系统国家重点实验室哈尔滨150001)摘要:自从Maragos首先提出了Teager能量算子(TEO)后,该算子得到了一系列应用。Teager能量算子的非线性特性,使之能在抑制背景噪声的同时进行信号特征的有效提取。它还保留了倒谱分析方法中的准稳态假设,因而更能有效地表征语音信号的复杂性。探索了基于Teager能量算子的非线性特征对于区分情感语音的有效性,并且进一步将其和普通的声学参数和音质参数相结合,以应用于语音情感的识别中。以HMM和GMM为分类器,选取7种情感设计了4组对比实验,达到最高85%的识别正确率。实验结果表明,将传统的语音情感特征和Teager能量算子的非线性特征相结合,能显著地提高语音情感识别系统的性能。在此基础上,提出了智能情感机器人进行情感交互的框架,设计实现了智能服务机器人的情感交互系统,经过实时情感交互实验验证,该智能服务机器人可以很好地与交互对象进行简单的情感交流。
关键词:Teager能量算子;非线性特征;智能机器人;语音情感交互系统
中图分类号:TF391.42文献标识码:A国家标准学科分类代码:520.20
Designandimplementationofspeechemotioninteraction
onsystembasedTeagerforintelligentrobot
LiXian91,LiXinl”,HuChenl,LuXiayanl
(J.SchoolofMechatronicEngineering&Automation,ShanghaiUniversity,Shanghai200072,China;
2.StateKeyLaboratoryofRobotwsandSystem,HarbinInstituteofTechnology,Harbin150001,China)
Abstract:SinceMaragosfirstlyputforwardtheTeagerenergyoperator(TEO),the
canoperatorhasgotaseriesofappli-cations.ThenonlinearcharacteristicsoftheTeagerenergyoperator
tingbackgroundnoise
andcaneffectivelyextractsignalfeaturewhileinhibi—atthesametime.Italsoretainsthequasisteadystateassumptionincepstrumanalysismethod,moreeffectivelyrepresentthecomplexityofthespeech
onsignal.Thispaperdiscussesthevalidityofdistinguis—hingemotionalspeechbasedthenonlinearfeaturesofTeagerenergyoperator,andcombinesthenonlinearfeatures
towithtraditionalacousticparametersandvoicequalityparameters,whichareapplied
TheHMMandGMMwerespeechemotiontorecognition.usedastheclassifiers,sevenkindsofemotionstatuswereselecteddesign4groupsofcomparativeexperiments,andthehighestrecognitionrateof85%wasachieved.TheexperimentalresultsindicatethatcombiningthenonlinearcharacteristicoftheTeagerenergyoperatorwithtraditionalemotionalspeechfeaturescanimprovetheperformanceofspeechemotionrecognitionsystemremarkably.Onthisbasis,thispaperputsforwardtheframeworkofintelligentemotionalrobotmakingemotionalinteraction,designsandrealizestheintelligentservicerobotemotionalinteractionsystem.Throughreal-timeemotionalinteractionexperimentverification,thisintelligentservicerobotcanmakesimpleemotionalcommunicationwithinteractiveobjects.
Keywords:Teagerenergyoperator;nonlinearfeature;intelligentrobot;emotionalspeechinteractionsystem
收稿日期:2013-01ReceivedDate:2013-01+基金项目:机器人技术与系统国家重点实验室开放基金项目(SKLS-2009-MS一10)资助
万方数据
第8期李翔等:面向智能机器人的Teager语音情感交互系统设计与实现
1827
1
引言
随着机器人技术日臻成熟,智能服务机器人取得令人鼓舞的成就。本田公司开发的ASIMO机器人,可以行走自如,并可以随着音乐翩翩起舞。日本东京大学研制的“HRP-2”智能家庭服务机器人可以为人们端茶递水。在工业及日常生活中,机器人也被广泛地应用,如照顾伤残人士及老弱病人。随着智能服务机器人的发展,人机交互(human—robotinteraction,HRI)已经成为机器人科学和机电一体化领域的重要研究课题’1…。语音交流作为人机交互的主要方式之一,不但能表达语义,还能传递情感信息。在消除人与机器人之间的障碍,实现智能服务机器人的智能化研究过程中,语音的情感识别变成关键技术,这也成为智能服务机器人领域的研究课题之一。
智能服务机器人的人机交互系统有很大的应用潜力,语音交互在其中发挥了巨大的作用p’4,,例如家庭管家机器人u1、佣人机器人Srikandi∞1、移动机器人"…。它们只需用语音命令操作就能实现控制,以便对机器人或者计算机了解很少的人使用。
语音情感识别是人机交互和情感计算∽o两大研究方向的重要领域之一。大量研究显示,语音包含了大量体现情感信息的特征参数,包括基频、能量、共振峰频率、频率倒谱系数(Mel
frequencycepstrM
coefficient,MFCC)等
共几百个特征。Murray等人总结了基频、能量、时长等韵律特征,得出了语音音质特征与情感之间的定性关系¨…,使得韵律学特征成为语音情感识别的常用特征。此后,研究者加入共振峰参数来表征语音音质特征,利用线性预测编码(1inear
predictivecoding,LPC)、MelMFCC
等…1语音学特征,使得韵律学特征与语音学特征结合识别情感。虽然世界各国的研究人员在语音情感研究的领域取得了许多研究成果,但是如果将所有的这些成果放在一起比较,可以发现大部分的研究人员都是采用韵律特征或者韵律特征的线性组合与变换作为研究对象¨。“1。不过,还是有少数研究人员提出了一些新的特征参数作为研究对象,比如GuojunZhou等人¨副就基于能量的基础上,提出了基于Teager能量算子(teager
enev
gY
operator,TEO)的特征在非线性领域的研究,他们的实
验证明音调是线性特征中最有效的,而基于TEO的特征比音调更有效,识别准确率比之音调提高了5%。马永林等人¨钊用基于TEO的基频对变异语音进行分类,对特定人平均分类正确率达到了93.3%,多说话人分类正确率达到85.8%。GaoHui等人Ⅲo基于'lEO的非线性特征,采用隐马尔可夫模型(hidden
Markovmodel,HMM),
在使用汉语语音的条件下,识别悲伤和生气、平静、欢快4种情绪。结果证实结合非线性TEO的识别特征NFD—
万方数据
Mel、AF_Mel、DAF
M
el可有效提高情绪识别性能。张
德祥等人H引利用Teager能量算子计算语音信号本征模
态函数的瞬时能量,并对本征模态函数进行系数——峭
度计算,提取信号的统计特征信息用于语音信号的端点检测,取得了良好的效果。但是目前还没有基于Teager能量算子的非线性特征和普通的声学参数和音质参数相结合的专门研究,因此还不足以说明TEO非线性特征对于情感识别的效果。
本文在TEO基频和基于时域TEO的Mel倒谱系数的基础上,加入了对于频域TEO的Mel倒谱系数的研究,并且将TEO的非线性特征和普通的情感特征相结合,以探索在多特征向量下基于TEO的非线性特征对语音情感识别的有效性。
2情感特征参数的选取
2.1传统的声学参数及音质参数
情感特征的优劣直接影响到情感最终识别结果的好坏。Tato从“激发维(Arousal)一评价维(Valence)一强度维(Power)”的三维空间情感模型指出,如果提取出反映的情感维数越多的情感特征信息,那么就越能更好地区分情感。Pereira等人¨引的研究表明语音信号的韵律特征同3个情感维度之间具有一定的相关性,其中唤醒度和韵律特征之间的相关性明显。Gobl、Johnstone、Pereira等人Ⅲ。的研究证明语音信号中的音质特征在能够很好地表达三维中的“评价维”信息的基础上,还能够部分地反映三维空间情感模型中的“强度维”信息。在证实了Pereira的研究成果的基础上,赵艳等人口u对共振峰等音质类特征进行进一步的研究,发现共振峰等音质类特征与效价维的相关性较强。因此,根据Cowie等人m’的研究结果,为了更好地识别情感,在提取基本的韵律特征参数的同时,本文也考虑与语音的音质特征参数相结合。
提取短时能量(E)、过零率(r)、基频(册)及其1、2阶差
分、MFCC及其1、2阶差分作为韵律参数,第1、第2、第3共振峰(F1、F2、F3)作为音质参数,将其结合用于TEO非线性特征的对比实验中。
2.2
TEO的非线性特征参数
传统的线性声学理论认为来自声带的气流在声道内
是以平面波的形式传播,声音的产生主要取决于声道内的激励源位置和声带的振动。而根据Teager∞1的研究认为语音的生成是靠声门激励及声道中的涡流共同产生。涡流广泛分布于整个声道内,声道内交互作用的非线性涡流构成了真正的声源。为度量这种非线性过程产生的语音,Teager提出了一个能量操作算子TEO。Maragos等人m3认为,该算子具有非线性能量跟踪信号特性不仅对
1828
仪器仪表学报
第34卷
调幅(AM)信号的幅包络和调频(FM)信号的瞬时频率的变化非常敏感,而且对不同类型的信号能清晰显示不同的'lEO结果瞄o。Teager和Kaiser提出了非线性能量算子的连续形式:
砂。瞰引2【}㈤】叫(t)【》(t)】
(1)
式中:砂是连续Teager的能量算子(TEO),名(t)是一个连续语音信号。Kaiser[2叫给出了其离散形式,茹(n)是离
散语音信号:
I声[菇(n)]=石2(n)一髫(n+1)算(n一1)(2)频域的离散TEO形式如下:
?步[茗(D]=z2(D—x(f+1)x(f一1)(3)
式中:戈(力为频域的各个采样点。
1)TEO基频(NTD—F0)
基于Teager能量算子的这种特点,在进行情感语音分类时,首先对原始语音信号进行TEO变换,然后用自相关法提取基频,从而得到特征参数NTDF0。将非线性的TEO引入基频估计后,可以从线性和非线性2个不同的研究角度研究基频的变化¨“。在基音检测时不再针对初始的语音信号,而只是针对信号TEO后的非线性能量,通过TEO研究声激励源的细微变化规律。经TEO作用后的语音信号同原始语音信号具有相同的周期性,而且有实验表明对于情感语音它具有更好的周期性¨“。
2)基于时域/频域TEO的Mel倒谱系数
目前TEO主要是用于时域中田删,本文从时域和频域2个角度来提取Mel倒谱系数,得到NTD—MFCC(non.
1ineartimedomainMFCC
features)和NFD—MFCC(nonlin—
earfrequeneydomainMFCCfeatures)。
Teager能量算子能在抑制背景噪声的同时,进行信号特征的提取,它也保留了倒谱分析方法中的准稳态假设,因而更能有效地表征语音信号的复杂性。由情感语音特征分析结果可知¨引,与平静时的语音相比,不同情绪下,能量会在不同频段上偏移,使得主要的能量在不同情绪下集中在不同的频段上。愤怒和高兴均表现为能量的加强以及频谱中高频成分的增加。与此相反,悲伤对应于能量的减弱,语速的减慢,以及频谱中高频成分的降低。害怕除了频谱中高频成分的增加外,还包括基频曲线上抖动的加强和语速的加快。这种能量分布的差异经过TEO变换后会更加明显。而且有研究表明,在语音信号的频域中,语音信号的谱峰信息(peaks)要比谱谷(val—leys)信息语音感知方面拥有更大的贡献旧1,因此,基于
频域的TEO非线性变换可以强诃能量高时的谱峰信息,
使不同情绪间的语音能量有更加明显的差异,在识别时,系统能更明显地区分。
基于时域TEO的Mel倒谱系数NTD—MFCC的提取过程是:首先对情感语音分帧、预加重、加汉明窗,对每帧
万方数据
采样点用式(2)计算TEO,然后计算FFTr,进而求得功率谱。对谱值进行Mel频域带通滤波(滤波器个数为24);对Mel频域滤波器组的输出求自然对数和离散余弦变(DCT),从而得到12阶的TEO非线性MFCC特征参数
NTD—MFCC。
基于频域TEO的Mel倒谱系数NFD—MFCC的提取过程为:首先对情感语音分帧、预加重、加汉明窗,计算FFT。对各点谱值用式(3)计算TEO:对经TEO变换后的谱值进行Mel频域带通滤波(滤波器个数为24);对Mel
频域滤波器组的输出求自然对数和离散余弦变换(DCT),从而得到特征NFD—MFCC。两种参数的提取过程分别如图1所示。
图1特征提取结构图
Fig.1Featureextractionstructurediagram
3实验与结果
本实验的情感语句来自德国柏林情感语音库。选取
Anger?Boredom、Disgust?Fear、Happiness?Neutral?Sadness
7种情感,每种情感70句共490条语句组成本文的实验数据库。其中有5男5女10位话者。每种情感随机选取50句共350句组成训练样本集。剩下的每种情感20句共140句组成测试样本集。
本实验是基于连续隐马尔科夫模型的语音情感识别系统m1。选取每个HMM模型具有5个状态,高斯混合数为5。为避免分类器训练不确定性对检验结果的干扰,进一步做了在GMM分类器下的对比实验,对情感识别的结果进行检验和比较。对于每种情感建立一个GMM模型,进行训练。在识别阶段计算测试样本的特征向量在每种情感GMM模型下的似然得分,将似然得分最大的GMM模型作为识别结果输出。
另外,本文在对实验结果进行统计分析其识别正确率的同时也计算单一情感的误识率。单一情感误识率代表某种情感的被误识率,定义如下:他种情感误识别为此类情感的样本数除以总的测试样本数。单一情感误识率可以更好地反映出哪种情感最容易为其他情感所混淆。
本文设计的4组对比实验如下:
1)选取普通基频(FD)和TEO基频(NTD—F0)作为第1组。检验TEO基频对于情感分类的效果。2次实验
第8期李翔等:面向智能机器人的Teager语音情感交互系统设计与实现
1829
特征参数如下:
①FD及其1、2阶差分,共3维。②NTD_F0及其1、2阶差分,共3维。
2)选取普通MFCC和基于时域/频域TEO的Me]倒谱系数作为第2组。检验基于TEO菲线性的MFCC情感分类效果。3次实验的特征参数如下:
①MFCC及其1、2阶差分,共36维。②NTD—MFCC及其1、2阶差分,共36维。③NFDj涯FCC及其1、2阶差分,共36维。
3)将基频和MFCC相结合作为第3组对比实验。对比TEO基频和TEO的MFCC与普通的基频和MFCC对于情感分类的效果。3次实验的特征参数如下:
①FD及其1、2阶差分,MFCC及其1、2阶差分,共
39维。
多特征向量情感识别特征参数,作为第4组对比实验来检验在多特征向量下TEO非线性特征的情感分类性能。3次实验的特征参数如下:
①FD及其1、2阶差分,MFCC及其1、2阶差分,E,r,F1,F2,n共44维。
②NTD—F0及其1、2阶差分,NTD—MFCC及其1、2阶差分,E,r,F1,F2,F3共44维。
③NTD—F0及其1、2阶差分,NFD—MFCC及其1、2阶差分,E,r,F1,F2,F3共44维。
分别在HMM模型和GMM模型下完成上述实验,记
录结果如下:
1)HMM作为分类器
如表1~4所示,TEO基频相比普通基频识别率有所提高,但由于特征维数较低,二者识别率都不高,故不作详细分析。
表1基频特征【3维)
Table1Fundamentalfrequency
②NTD—FO及其l、2阶差分,NTD—MFCC及其1、2阶差分,共39维。
@)NTD—FD及其1、2阶差分,NFD—MFCC及其1、2阶差分,共39维。
4)最后将TEO的非线性特征和能量、过零率、第1、第2、第3共振峰参数组成声学参数和音质参数相结合的
表2
Table2
characteristics(3-D)
特征
FDN7I’D
F0
总识别正确率(%)
33.5736.43
MFCC特征(36维)
MFCCcharacteristics(36?DJ
(%)
表3基频及MFCC特征(39维)
Table3
Fundamental
frequencyand
MFCCcharacteristics(39一D)
(%)
万方数据
1830
仪器仪表学报
第34卷
2)GMM作为分类器
如表5~8所示,由于使用GMM分类器效果不如HMM,而且GMM是验证TEO的非线性在不同分类器下是否有效,故不列出详细结果。
表5基频特征(3维I
Table5Fundamentalfrequency
较大。达到10%以上。这是因为HMM模型不仅用混合概率密度函数来逼近特征矢量的分布情况,同时HMM模型还建立了若干状态,基于Markov链的随机过程还可以很好地跟随特征矢量的动态变化。
2)与传统的语音情感特征相比,带有NTD—MFCC参数的实验在不同的分类器及不同的特征组合下对识别效果均有一定程度的下降。说明基于时域TEO的Mel倒谱系数不是一个有效的特征。而带有NFD—MFCC参数的实验在不同的分类器及不同的特征组合下对识别效果均有一定程度的提升,这说明基于频域TEO变换的Mel
characteHsties(3.D)
特征
FUNTD
F0
总识别正确率(%)
34.2936.43
表6
MFCC特征(36维)
characteristics(36-D)
总识别正确率(%)
62,8660.0065.71
Table6MFCC
倒谱系数特征在情感识别中是有效的。故此,以下对带有NFD—MFCC参数的特征组合进行详细的分析。
从整体识别正确率出发,以HMM为例,4组对比实验中平均识别正确率分别提高了2.86%、2.14%、3.57%和5.72%。以GMM为例,4组对比实验中识别正确率分别提高了2.14%、2.85%、3.57%和2.86%。从特征维数的角度出发,在HMM分类器中,随着特征维数的增大,识别正确率随之上升,频域TEO的非线性特征对正确率的提升率也随之增大。尤其是当特征维数较大时(40维以上),频域TEO的非线性特征可以显示出更好的情感区分效果。在GMM分类器中,随着特征维数的增大,识别正确率随之上升,但是频域TEO的非线性特征对正确率的提升率并不是一直上升的。当特征维数在40维以上时,正确率的提升率下降。这是因为当特征维数较大时,CMM的分类效果相比HMM要差。
3)从单一情感误识率的角度出发可以看出,识别正确率较低的情感其误识率也相对较低。在不同的分类器和特征组合下,一般Anger只误识为Happiness,反之亦然。因此,Anger和Happiness相对于其他5种情感较为独立。可以比较容易地先将这2类情感从7种情感中区分出来。另外Boredom和Neutral也较难区分,容易混淆。
4)从单一情感的识别效果H{发,取不同分类器下第2、3、4组对比实验中普通情感特征和频域的TEO特征的结果共12组数据,计算每种情感在普通特征下和频域
特征
MFCCNTD—MFCCNFD.MFCC
表7基频及MFCC特征(39维)
Table7
Fundamental
frequencyandMFCC
characteristics(39-D)
特征
F1D+MFCC
NTD—F0+NTD—MFCCNTD—F0+NFD—MFCC
总识别正确率(%)
66.4358.5770.00
表8韵徨特征及音质特征结合(44维)
Table8Combinationofprosodicfeatures
andvoicequalityfeatures(44-D)
总识别正确率(%)
70.0066.4372.86
特征
阳+MFCC及E,r,Fl,砣,乃NTD—FD+NTD—MFCC及E,r,F1,F2,F3NTD_F0+NFD—MFCC及E,r,F1,F2,F3
1)整体上HMM的分类效果较GMM要好。当特征维数较低时(3维),HMM和GMM分类器的识别效果相差不大。当特征维数增大时(30维以上),识别效果相差
万方数据
下载文档
热门试卷
- 2016年四川省内江市中考化学试卷
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
- 山东省滨州市三校2017届第一学期阶段测试初三英语试题
- 四川省成都七中2017届高三一诊模拟考试文科综合试卷
- 2017届普通高等学校招生全国统一考试模拟试题(附答案)
- 重庆市永川中学高2017级上期12月月考语文试题
- 江西宜春三中2017届高三第一学期第二次月考文科综合试题
- 内蒙古赤峰二中2017届高三上学期第三次月考英语试题
- 2017年六年级(上)数学期末考试卷
- 2017人教版小学英语三年级上期末笔试题
- 江苏省常州西藏民族中学2016-2017学年九年级思想品德第一学期第二次阶段测试试卷
- 重庆市九龙坡区七校2016-2017学年上期八年级素质测查(二)语文学科试题卷
- 江苏省无锡市钱桥中学2016年12月八年级语文阶段性测试卷
- 江苏省无锡市钱桥中学2016-2017学年七年级英语12月阶段检测试卷
- 山东省邹城市第八中学2016-2017学年八年级12月物理第4章试题(无答案)
- 【人教版】河北省2015-2016学年度九年级上期末语文试题卷(附答案)
- 四川省简阳市阳安中学2016年12月高二月考英语试卷
- 四川省成都龙泉中学高三上学期2016年12月月考试题文科综合能力测试
- 安徽省滁州中学2016—2017学年度第一学期12月月考高三英语试卷
- 山东省武城县第二中学2016.12高一年级上学期第二次月考历史试题(必修一第四、五单元)
- 福建省四地六校联考2016-2017学年上学期第三次月考高三化学试卷
- 甘肃省武威第二十三中学2016—2017学年度八年级第一学期12月月考生物试卷
网友关注
- 2016重庆公务员面试热点模拟题:个人信息泄露频发
- 2013下半年重庆公务员考试行测参考答案及解析
- 2015年6月14日主城、区县、乡镇面试题目
- 2014年5月18日重庆公务员面试真题
- 2014年重庆市公务员考试申论真题
- 2014上半年重庆市公务员考试行测模拟试卷
- 2014年重庆下半年公务员考试行测真题
- 2016上半年重庆公务员考试行测真题-判断推理
- 2016重庆公务员面试热点模拟题:各行各业的“翻船体”
- 2016重庆公务员面试模拟题:“互联网+”时代的到来需要以诚为先
- 2016上半年重庆公务员考试行测真题
- 2016重庆公务员面试热点模拟题:假奶粉如何消除
- 2016重庆公务员面试热点模拟题:全面放开二孩制度
- 2013下半年重庆公务员考试《申论》试卷
- 2014重庆下半年公务员考试申论真题
- 2016重庆公务员面试模拟题:玩手机算缺课
- 2016重庆公务员面试模拟题:“疑罪从无”
- 2015上半年重庆公务员考试行测真题—常识判断
- 2016重庆公务员面试模拟题:“女性专用公交”是与非
- 2016重庆公务员考试面试热点模拟题:提速降费
- 2014年重庆市公务员考试申论参考答案及解析
- 2016上半年重庆公务员考试行测真题答案
- 2016上半年重庆公务员考试申论真题参考答案
- 2015下半年重庆公务员考试行测真题答案解析
- 2016重庆公务员面试热点模拟题:“饿了么”曝光揭示外卖乱象
- 2016重庆公务员面试热点模拟题:教师资格打破“终身制”
- 2015上半年重庆公务员考试行测真题—判断推理
- 2015重庆公务员考试行测参考答案及解析
- 2015上半年重庆公务员考试行测真题—数量关系
- 2016重庆公务员面试模拟题:如何看待网络谣言
网友关注视频
- 沪教版牛津小学英语(深圳用) 五年级下册 Unit 12
- 北师大版数学四年级下册3.4包装
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 12
- 《小学数学二年级下册》第二单元测试题讲解
- 3.2 数学二年级下册第二单元 表内除法(一)整理和复习 李菲菲
- 苏科版八年级数学下册7.2《统计图的选用》
- 二年级下册数学第一课
- 七年级英语下册 上海牛津版 Unit3
- 第12章 圆锥曲线_12.7 抛物线的标准方程_第一课时(特等奖)(沪教版高二下册)_T274713
- 六年级英语下册上海牛津版教材讲解 U1单词
- 沪教版牛津小学英语(深圳用) 五年级下册 Unit 7
- 人教版历史八年级下册第一课《中华人民共和国成立》
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 3
- 【部编】人教版语文七年级下册《泊秦淮》优质课教学视频+PPT课件+教案,湖北省
- 七年级英语下册 上海牛津版 Unit5
- 8.练习八_第一课时(特等奖)(苏教版三年级上册)_T142692
- 冀教版小学数学二年级下册第二周第2课时《我们的测量》宝丰街小学庞志荣
- 冀教版英语五年级下册第二课课程解读
- 沪教版八年级下册数学练习册一次函数复习题B组(P11)
- 二年级下册数学第二课
- 飞翔英语—冀教版(三起)英语三年级下册Lesson 2 Cats and Dogs
- 二次函数求实际问题中的最值_第一课时(特等奖)(冀教版九年级下册)_T144339
- 第8课 对称剪纸_第一课时(二等奖)(沪书画版二年级上册)_T3784187
- 8.对剪花样_第一课时(二等奖)(冀美版二年级上册)_T515402
- 小学英语单词
- 第五单元 民族艺术的瑰宝_15. 多姿多彩的民族服饰_第二课时(市一等奖)(岭南版六年级上册)_T129830
- 第4章 幂函数、指数函数和对数函数(下)_六 指数方程和对数方程_4.7 简单的指数方程_第一课时(沪教版高一下册)_T1566237
- 河南省名校课堂七年级下册英语第一课(2020年2月10日)
- 【部编】人教版语文七年级下册《泊秦淮》优质课教学视频+PPT课件+教案,广东省
- 沪教版八年级下次数学练习册21.4(2)无理方程P19
精品推荐
- 2016-2017学年高一语文人教版必修一+模块学业水平检测试题(含答案)
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
分类导航
- 互联网
- 电脑基础知识
- 计算机软件及应用
- 计算机硬件及网络
- 计算机应用/办公自动化
- .NET
- 数据结构与算法
- Java
- SEO
- C/C++资料
- linux/Unix相关
- 手机开发
- UML理论/建模
- 并行计算/云计算
- 嵌入式开发
- windows相关
- 软件工程
- 管理信息系统
- 开发文档
- 图形图像
- 网络与通信
- 网络信息安全
- 电子支付
- Labview
- matlab
- 网络资源
- Python
- Delphi/Perl
- 评测
- Flash/Flex
- CSS/Script
- 计算机原理
- PHP资料
- 数据挖掘与模式识别
- Web服务
- 数据库
- Visual Basic
- 电子商务
- 服务器
- 搜索引擎优化
- 存储
- 架构
- 行业软件
- 人工智能
- 计算机辅助设计
- 多媒体
- 软件测试
- 计算机硬件与维护
- 网站策划/UE
- 网页设计/UI
- 网吧管理