本文介紹的經(jīng)驗(yàn)?zāi)B(tài)分解方法主要針對(duì)語音信號(hào)分析中的模型建立過程,使用經(jīng)驗(yàn)?zāi)B(tài)分解的方法,根據(jù)聲紋數(shù)據(jù)自身的特征,產(chǎn)生一組自適應(yīng)基底,并將數(shù)據(jù)分解為單一分量。結(jié)合貝葉斯方法,可對(duì)聲紋信號(hào)進(jìn)行分析以及預(yù)測(cè)。利用單一分量分析的思路,有效地降低了預(yù)測(cè)模型的階數(shù),提高了預(yù)測(cè)精度與節(jié)約了計(jì)算資源。經(jīng)驗(yàn)?zāi)B(tài)分解在聲紋信號(hào)分解中的應(yīng)用,可以提高對(duì)非平穩(wěn)過程的魯棒性。首先,在緒論中介紹了語音信號(hào)測(cè)試的背景以及應(yīng)用場(chǎng)合。同時(shí),引入貝葉斯方法,結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解所獲得的單一分量信號(hào),可獲得更好的振動(dòng)語音分析。之后主要介紹了貝葉斯方法的起源以及近年來的應(yīng)用,并選擇了線性遞推模型進(jìn)行后續(xù)的信號(hào)預(yù)測(cè);然后,介紹了目前主要的幾種成分分離的方法,著重介紹了短時(shí)傅立葉變換、小波變換以及經(jīng)驗(yàn)?zāi)B(tài)分解;最后,結(jié)合貝葉斯方法以及經(jīng)驗(yàn)?zāi)B(tài)分解,利用仿真分析,分析了白噪聲序列各個(gè)本征函數(shù)之間的相關(guān)性,得出其不同階數(shù)的相關(guān)系數(shù)僅為10^-4。驗(yàn)證了經(jīng)驗(yàn)?zāi)B(tài)分解作為單一分量分離方法的可行性。利用反應(yīng)譜反演獲得的非平穩(wěn)時(shí)域信號(hào),對(duì)比了不同的生成參數(shù)以及輪廓函數(shù)所得到的數(shù)據(jù),并選擇指數(shù)曲線作為輪廓函數(shù)。驗(yàn)證了貝葉斯動(dòng)態(tài)...

【文章頁數(shù)】：46 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 引言
    1.2 本文的主要工作以及創(chuàng)新點(diǎn)
    1.3 文章結(jié)構(gòu)
第2章 貝葉斯方法與預(yù)測(cè)模型分析
    2.1 貝葉斯方法基本原理
    2.2 貝葉斯建模方法
    2.3 本章小結(jié)
第3章 單一分量分析方法與經(jīng)驗(yàn)?zāi)B(tài)分解
    3.1 非平穩(wěn)信號(hào)成分分離
    3.2 經(jīng)驗(yàn)?zāi)B(tài)分解
    3.3 本章小結(jié)
第4章 單一分量貝葉斯建模分析
    4.1 貝葉斯預(yù)測(cè)模型
    4.2 數(shù)值仿真分析與實(shí)驗(yàn)驗(yàn)證
    4.3 本章小結(jié)
第5章 總結(jié)與展望
    5.1 內(nèi)容總結(jié)
    5.2 下一步的工作計(jì)劃
參考文獻(xiàn)
致謝



本文編號(hào)：3859883