| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 课题的研究背景 | 第13-14页 |
| 1.2 理论基础 | 第14-23页 |
| 1.2.1 非线性动力学与非线性时间序列分析 | 第15-18页 |
| 1.2.2 非线性非平稳信号分解 | 第18-21页 |
| 1.2.3 高阶统计量/高阶谱分析 | 第21-22页 |
| 1.2.4 递归图分析法和定量递归分析 | 第22-23页 |
| 1.3 本文研究内容 | 第23-25页 |
| 1.3.1 语音信号非线性微结构分析 | 第23页 |
| 1.3.2 语音信号非线性预测研究 | 第23-25页 |
| 1.3.3 语音信号非线性分解及其应用 | 第25页 |
| 1.4 本文的内容安排 | 第25-26页 |
| 1.5 创新点 | 第26-28页 |
| 第二章 非线性特性及非线性模型 | 第28-38页 |
| 2.1 语音信号非线性 | 第28-30页 |
| 2.1.1 产生过程非线性 | 第28-29页 |
| 2.1.2 非线性动力学特征量 | 第29-30页 |
| 2.2 线性预测模型 | 第30-32页 |
| 2.3 非线性模型 | 第32-37页 |
| 2.3.1 非线性回归模型 | 第32-34页 |
| 2.3.2 非线性振动模型 | 第34-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 非线性微结构特征分析 | 第38-71页 |
| 3.1 递归图分析 | 第39-44页 |
| 3.1.1 距离矩阵、递归矩阵与递归图 | 第39-41页 |
| 3.1.2 递归图和距离图表现出的宏观和微观模式 | 第41-43页 |
| 3.1.3 定量递归分析 | 第43-44页 |
| 3.2 阈值的选择 | 第44-48页 |
| 3.2.1 多级阈值 | 第44-46页 |
| 3.2.2 局部相对阈值 | 第46-48页 |
| 3.3 多阈值递归图递推算法 | 第48-55页 |
| 3.3.1 多阈值递归矩阵 | 第48-50页 |
| 3.3.2 算法 | 第50-52页 |
| 3.3.3 伪语言程序 | 第52-54页 |
| 3.3.4 复杂性分析 | 第54-55页 |
| 3.4 基于递推多阈值递归图的语音信号基音测量 | 第55-60页 |
| 3.4.1 测量方法 | 第57-59页 |
| 3.4.2 实验 | 第59-60页 |
| 3.5 振幅时变部分的微结构分析 | 第60-63页 |
| 3.5.1 振幅均衡 | 第61页 |
| 3.5.2 递归图分析 | 第61-63页 |
| 3.6 可预测性分析 | 第63-69页 |
| 3.6.1 多步可预测性分析 | 第63-68页 |
| 3.6.2 LP预测残差的可预测性 | 第68-69页 |
| 3.7 本章小结 | 第69-71页 |
| 第四章 局部线性预测研究 | 第71-96页 |
| 4.1 单步局部线性预测 | 第71-74页 |
| 4.1.1 算法 | 第71-72页 |
| 4.1.2 参数选择 | 第72-73页 |
| 4.1.3 计算复杂性分析 | 第73页 |
| 4.1.4 和LP比较 | 第73-74页 |
| 4.2 多步局部线性预测 | 第74-76页 |
| 4.2.1 递推局部线性预测算法 | 第75-76页 |
| 4.2.2 半周期移动叠代局部线性预测算法 | 第76页 |
| 4.3 部分自适应的多步局部线性预测 | 第76-87页 |
| 4.3.1 算法 | 第77-78页 |
| 4.3.2 预测精度分析 | 第78-80页 |
| 4.3.3 算法实现 | 第80-81页 |
| 4.3.4 计算复杂性分析 | 第81-83页 |
| 4.3.5 paLLP算法的特点 | 第83-84页 |
| 4.3.6 算法验证 | 第84-87页 |
| 4.4 语音信号的预测实验 | 第87-92页 |
| 4.4.1 浊音信号的预测实验 | 第87-89页 |
| 4.4.2 预测器更新率对预测精度的影响 | 第89-92页 |
| 4.5 一种基于paLLP的A-B-S语音编解码器方案 | 第92-95页 |
| 4.5.1 系统结构及工作原理 | 第92-94页 |
| 4.5.2 计算复杂性分析 | 第94页 |
| 4.5.3 存在问题 | 第94-95页 |
| 4.6 本章小结 | 第95-96页 |
| 第五章 加窗平均经验模式分解及其IMF非线性特征分析 | 第96-124页 |
| 5.1 加窗平均经验模式分解 | 第96-105页 |
| 5.1.1 语音信号分解综述 | 第96-97页 |
| 5.1.2 窗口平均经验模式分解算法 | 第97-99页 |
| 5.1.3 语音信号的WA-EMD分解 | 第99-103页 |
| 5.1.4 IMF确定性分析 | 第103-105页 |
| 5.2 高阶统计量分析 | 第105-106页 |
| 5.2.1 高阶统计量定义 | 第105-106页 |
| 5.2.2 语音信号及其IMF高阶统计量计算 | 第106页 |
| 5.3 高阶奇异谱分析 | 第106-108页 |
| 5.3.1 结构矩阵的构建 | 第107页 |
| 5.3.2 IMF高阶奇异谱估计 | 第107-108页 |
| 5.4 高阶谱分析 | 第108-116页 |
| 5.4.1 高阶谱分析 | 第110-111页 |
| 5.4.2 语音及其IMF的高阶谱分析 | 第111-116页 |
| 5.5 采样频率对语音信号IMF非线性特征的影响 | 第116-120页 |
| 5.6 基于IMF递归分析的瞬时基音频率估计 | 第120-123页 |
| 5.6.1 用多阈值递归图估计语音瞬时频率 | 第120-122页 |
| 5.6.2 实验 | 第122-123页 |
| 5.7 本章小结 | 第123-124页 |
| 第六章 总结与展望 | 第124-126页 |
| 6.1 研究工作总结 | 第124-125页 |
| 6.2 展望 | 第125-126页 |
| 6.2.1 算法研究 | 第125页 |
| 6.2.2 应用研究 | 第125-126页 |
| 参考文献 | 第126-141页 |
| 攻读博±学位期间完成的学术成果 | 第141-142页 |
| 致谢 | 第142-143页 |