| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要工作和论文结构 | 第11-13页 |
| 1.3.1 主要内容 | 第11页 |
| 1.3.2 论文结构 | 第11-13页 |
| 第2章 混沌理论基础及分析 | 第13-19页 |
| 2.1 混沌的定义特征及分类 | 第13-15页 |
| 2.1.1 混沌的定义 | 第13-14页 |
| 2.1.2 混沌运动的基本特征和分类 | 第14-15页 |
| 2.2 混沌时间序列的分析方法和预测方法 | 第15-17页 |
| 2.2.1 混沌时间序列的分析法 | 第15页 |
| 2.2.2 混沌时间序列的预测方法 | 第15-17页 |
| 2.3 本章小结 | 第17-19页 |
| 第3章 语音信号预处理及混沌识别 | 第19-35页 |
| 3.1 语音信号的采集和预处理 | 第19-21页 |
| 3.1.1 语音信号的采集 | 第19页 |
| 3.1.2 语音信号数据预处理 | 第19-21页 |
| 3.2 语音序列的相空间重构基础理论 | 第21页 |
| 3.2.1 相空间重构基础 | 第21页 |
| 3.2.2 Takens定理 | 第21页 |
| 3.3 语音序列的相空间重构方法 | 第21-30页 |
| 3.3.1 延迟时间确定方法 | 第22-27页 |
| 3.3.2 嵌入维数的确定 | 第27-30页 |
| 3.4 李雅普诺夫指数的数值计算方法 | 第30-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 基于UPSO优化技术的二阶Volterra模型 | 第35-43页 |
| 4.1 预测模型分析 | 第35-37页 |
| 4.1.1 线性预测模型 | 第35-36页 |
| 4.1.2 二阶Volterra预测模型 | 第36-37页 |
| 4.2 粒子群优化Volterra模型 | 第37-40页 |
| 4.2.1 粒子群优化算法基础 | 第37-38页 |
| 4.2.2 粒子群算法优化Volterra模型参数 | 第38-39页 |
| 4.2.3 Vol terra简化模型 | 第39-40页 |
| 4.3 本章小结 | 第40-43页 |
| 第5章 仿真实验 | 第43-51页 |
| 5.1 方法对比试验 | 第43-45页 |
| 5.2 语音信号单帧预测 | 第45-47页 |
| 5.3 语音信号音标预测 | 第47-48页 |
| 5.4 单词和语句应用 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 攻读硕士学位期间的研究成果 | 第59页 |