声明
摘要
第一章 绪论
1.1 论文研究的背景和意义
1.2 语音编码的发展现状
1.3 衡量语音编码性能的重要因素
1.4 语音信号非线性特性的研究现状
1.4.1 基于混沌理论的语音非线性特性的研究现状
1.4.2 基于神经网络的语音非线性特性的研究现状
1.4.3 汉语语音信号处理的发展现状
1.5 论文的研究内容
第二章 语音信号非线性预测机理研究
2.1 语音的发生机理及非线性特性
2.1.1 语音的发生机理
2.1.2 语音的非线性特性
2.1.3 线性预测分析
2.2 语音信号的非线性预测理论
2.2.1 语音信号非线性预测分析
2.2.2 语音信号的相空间重构理论
2.2.3 语音信号非线性预测工具
2.3 本章小结
第三章 汉语语音信号混沌性检测及分形特征
3.1 Lyapunov指数和汉语语音信号的混沌性检测
3.1.1 最大Lyapunov指数计算
3.1.2 汉语语音信号的混沌性检测
3.2 混沌与分形
3.2.1 分形的基本理论
3.2.2 分形现象的特征
3.3 关联维数
3.3.1 汉语语音信号关联联数的计算
3.3.2 汉语语音信号关联维数的计算及其结果分析
3.4 本章小结
第四章 汉语语音信号的延迟时间和嵌入维数计算
4.1 基于C-C算法的延迟时间和嵌入维数的计算
4.1.1 C-C算法的理论
4.1.2 汉语语音音素的延迟时间和嵌入维数的计算
4.1.3 C-C算法求解延迟时间和嵌入维数的结果分析
4.2 自相关法求解延迟时间τ
4.2.1 自相关算法求解延迟时间τ
4.2.2 音素的时延重构图分析
4.3 虚假近邻法求解嵌入维数m
4.4 汉语语音信号延迟时间和嵌入维数鲁棒性研究
4.4.1 采样率对延迟时间和嵌入维数影响的研究
4.4.2 不同说话者对延迟时间和嵌入维数影响的研究
4.5 本章小结
第五章 基于RBF神经网络的汉语语音非线性预测模型
5.1 神经网络的基本理论
5.1.1 神经元
5.1.2 神经网络的拓扑结构
5.1.3 神经网络的学习方式及学习规则
5.2 RBF神经网络基本原理
5.3 基于RBF神经网络的汉语语音预测模型参数设计
5.4 基于RBF汉语语音信号非线性预测模型设计
5.4.1 汉语语音信号非线性预测模型的设计过程
5.4.2 仿真及结果分析
5.4.3 RBF预测器与其它非线性预测器性能比较
5.5 本章小结
第六章 基于小波变换的语音增强处理
6.1 小波变换基本原理
6.2 小波阈值去噪方法
6.2.1 阈值去噪基本原理
6.2.2 小波函数和分解层数的选取
6.3 改进小波阈值
6.3.1 时域噪声方差估计
6.3.2 小波域噪声方差估计
6.4 改进小波阈值函数
6.5 实验仿真
6.6 本章小结
第七章 语音信号E-CENP编码系统
7.1 语音信号CELP编码系统
7.1.1 语音信号码激励线性预测编码—CELP的基本原理
7.1.2 标准4.8kb/s的CELP声码器
7.2 语音信号E-CENP的预测编码系统的设计
7.2.1 语音信号E-CENP的预测编码系统设计
7.2.2 仿真及结果分析
7.3 本章小结
第八章 总结与展望
参考文献
致谢
攻读博士学位期间主要的研究成果