歌唱聲的非線性重建.pdf

1、目前歌唱聲信號(hào)的研究都是仿照語(yǔ)音信號(hào)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(fù)雜的非線性時(shí)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(jì)量和混沌理論兩個(gè)方面深入研究歌唱聲信號(hào)的非線性特性，并在此基礎(chǔ)上從重構(gòu)和預(yù)測(cè)兩個(gè)角度完成對(duì)歌唱聲信號(hào)的非線性重建。
　　首先，利用高階統(tǒng)計(jì)量對(duì)歌唱聲信號(hào)進(jìn)行非線性重構(gòu)。高階統(tǒng)計(jì)量具有對(duì)高斯噪聲免疫的特性，它與頻譜之間具有非線性關(guān)系，因此相比于相關(guān)函數(shù)、功率譜等傳統(tǒng)的二階統(tǒng)計(jì)量，

2、高階統(tǒng)計(jì)量包含更多原信號(hào)中非線性、非高斯性的成分。根據(jù)重構(gòu)算法理論基礎(chǔ)不同進(jìn)行歸類，非參數(shù)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(gòu)算法;參數(shù)型算法包括諧波重構(gòu)算法和倒雙譜重構(gòu)算法。比較仿真實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，最小二乘法對(duì)歌唱聲信號(hào)的重構(gòu)效果最佳。由于歌唱聲信號(hào)不完全滿足參數(shù)型算法中假設(shè)的線性模型，參數(shù)型算法無(wú)法得到聽(tīng)覺(jué)質(zhì)量理想的歌唱聲信號(hào)。
　　其次，利用混沌理論考察歌唱聲信號(hào)的非線性特性。在相空間

3、重構(gòu)的基礎(chǔ)上，計(jì)算相空間軌跡、Lyapunov指數(shù)、主分量譜、功率譜等特征，歌唱聲信號(hào)與典型混沌序列在特征上表現(xiàn)出相似性，表明歌唱聲信號(hào)具有混沌特性。在此基礎(chǔ)上，結(jié)合神經(jīng)網(wǎng)絡(luò)構(gòu)建非線性預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)歌唱聲信號(hào)的預(yù)測(cè)，并考察不同的相空間參數(shù)求解算法和采樣率對(duì)預(yù)測(cè)效果的影響。實(shí)驗(yàn)結(jié)果表明，利用CC算法聯(lián)合估計(jì)最佳延遲時(shí)間和嵌入維數(shù)能得到更好的預(yù)測(cè)效果。在滾動(dòng)預(yù)測(cè)時(shí)，可在短期內(nèi)得到較好效果，長(zhǎng)期預(yù)測(cè)會(huì)受到累積誤差的影響。
　　最后，利