| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 符号说明 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究背景与意义 | 第12-13页 |
| 1.2 课题研究现状和发展趋势 | 第13-16页 |
| 1.2.1 基于高阶统计量的信号重构研究现状 | 第13-15页 |
| 1.2.2 基于混沌理论的信号预测研究现状 | 第15-16页 |
| 1.3 论文的研究内容和章节安排 | 第16-18页 |
| 第2章 歌唱声非线性分析的理论基础 | 第18-28页 |
| 2.1 歌唱声的非线性机制 | 第18-19页 |
| 2.1.1 歌唱声的发声机理 | 第18-19页 |
| 2.1.2 歌唱声的非线性特性 | 第19页 |
| 2.2 高阶统计量基础 | 第19-21页 |
| 2.2.1 双谱 | 第20-21页 |
| 2.2.2 双倒谱和倒双谱 | 第21页 |
| 2.3 混沌理论基础 | 第21-26页 |
| 2.3.1 相空间重构 | 第21-24页 |
| 2.3.2 混沌特征参数 | 第24-26页 |
| 2.4 Volterra模型原理 | 第26页 |
| 2.5 性能指标 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于高阶统计量的歌唱声信号重构 | 第28-47页 |
| 3.1 高阶统计量非参数型算法 | 第28-39页 |
| 3.1.1 边缘信息算法 | 第29-30页 |
| 3.1.2 BMU算法 | 第30-31页 |
| 3.1.3 Lii算法 | 第31-33页 |
| 3.1.4 递归算法 | 第33-35页 |
| 3.1.5 最小二乘算法 | 第35-37页 |
| 3.1.6 离散傅里叶变换重构算法 | 第37-39页 |
| 3.2 高阶统计量参数型算法 | 第39-44页 |
| 3.2.1 谐波重构算法 | 第39-42页 |
| 3.2.2 倒双谱重构算法 | 第42-44页 |
| 3.3 仿真结果分析与比较 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 基于混沌理论和神经网络的歌唱声信号预测 | 第47-56页 |
| 4.1 歌唱声信号混沌特性分析 | 第47-50页 |
| 4.2 基于RBF神经网络的非线性预测 | 第50-54页 |
| 4.2.1 RBF神经网络基本原理 | 第51页 |
| 4.2.2 预测流程 | 第51-53页 |
| 4.2.3 仿真及结果分析 | 第53-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第5章 基于混沌理论和Volterra模型的歌唱声信号预测 | 第56-65页 |
| 5.1 基于时域Volterra模型的非线性预测 | 第56-60页 |
| 5.1.1 核系数的确定 | 第56-58页 |
| 5.1.2 仿真及结果分析 | 第58-60页 |
| 5.2 基于相空间Volterra模型的非线性预测 | 第60-63页 |
| 5.2.1 模型原理 | 第61页 |
| 5.2.2 仿真及结果分析 | 第61-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第72-73页 |
| 学位论文评阅及答辩情况表 | 第73页 |