预览加载失败,请重新加载试试~

歌唱聲的非線性重建.pdf_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、目前歌唱聲信號的研究都是仿照語音信號分析,采用線性模型和線性分析方法,然而人體的發(fā)聲系統(tǒng)是復雜的非線性時變系統(tǒng),線性方法顯然不是最理想的選擇。本文從高階統(tǒng)計量和混沌理論兩個方面深入研究歌唱聲信號的非線性特性,并在此基礎上從重構和預測兩個角度完成對歌唱聲信號的非線性重建。
  首先,利用高階統(tǒng)計量對歌唱聲信號進行非線性重構。高階統(tǒng)計量具有對高斯噪聲免疫的特性,它與頻譜之間具有非線性關系,因此相比于相關函數、功率譜等傳統(tǒng)的二階統(tǒng)計量,

2、高階統(tǒng)計量包含更多原信號中非線性、非高斯性的成分。根據重構算法理論基礎不同進行歸類,非參數型算法包括邊緣信息法、BMU算法、Lii算法、最小二乘法、遞歸算法和DFT重構算法;參數型算法包括諧波重構算法和倒雙譜重構算法。比較仿真實驗結果發(fā)現,最小二乘法對歌唱聲信號的重構效果最佳。由于歌唱聲信號不完全滿足參數型算法中假設的線性模型,參數型算法無法得到聽覺質量理想的歌唱聲信號。
  其次,利用混沌理論考察歌唱聲信號的非線性特性。在相空間

3、重構的基礎上,計算相空間軌跡、Lyapunov指數、主分量譜、功率譜等特征,歌唱聲信號與典型混沌序列在特征上表現出相似性,表明歌唱聲信號具有混沌特性。在此基礎上,結合神經網絡構建非線性預測模型,實現對歌唱聲信號的預測,并考察不同的相空間參數求解算法和采樣率對預測效果的影響。實驗結果表明,利用CC算法聯合估計最佳延遲時間和嵌入維數能得到更好的預測效果。在滾動預測時,可在短期內得到較好效果,長期預測會受到累積誤差的影響。
  最后,利

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論