混沌时间序列分析理论及其在语音信号处理中的应用

混沌时间序列分析是在混沌理论的基础上发展起来的最重要的非线性预测方法之一，它在重构的相空间中研究时间序列的规律，其中确定重构相空间(嵌入维数m、延迟时间τ)、求解时间序列预测模型是混沌时间序列分析的重要内容。本项目结合GAPSO混合规划算法，研究包含受约束的m与τ的编码结构，并在适应度计算中引入重构相空间度量指标，提出混沌时间序列嵌入维数与延迟时间的求解算法；针对混沌时间序列分析性模型的特点，提出宏观与微观分层构造解的半结构化GAPSO混合规划算法，并结合解的规模选择，提出简洁高效、推广能力强的混沌时间序列分析模型的求解算法；研究语音信号的声学特性与混沌特性间的关系，确定分类空间，建立以混沌特性为基础的分类模型；在上述研究的基础上，针对不同类别，对语音信号重构的相空间及预测模型进行研究，并通过分析、整理，选择描述能力强、参数易于求解、结构简单的语音信号编码模型，最后形成语音信号编码算法。

项目背景：混沌时间序列分析是非线性动力学的重要研究内容之一，是时间序列分析的重要方法；语音信号处理是信号处理研究的重要领域，是数字通信、语音识别、语音存储与保密通信的基础。近年来，随着计算机性能的提升以及信号处理算法的不断突破，语音编码、识别、合成等技术取得了大量的理论与应用成果。但在传统的研究中忽略了语音信号具有混沌特征。结合语音信号混沌特性展开研究是当前语音信号处理领域的研究热点并且已经取得了一定的成果。已有研究证明，重构后的语音信号更利于对其特征进行深入和准确的分析(包括构建预测模型)，但系统深入地、尤其是结合混沌特性与语音特性的研究并不多，因此，引入混沌时间序列分析理论等新的研究方法研究语音信号中的混沌特征、模型及处理方法，构建非线性语音信号处理模型具有重要的理论与应用价值。.主要研究内容：针对混沌时间序列分析中模型复杂的特点，对GAPSO混合规划算法进行改进与优化，构建一种更为高效的模型求解算法(GAPSO-P)；利用改进后的GAPSO-P算法，对语音信号非线性预测编码模型进行求解，获得一个非线性编码模型；重构语音信号相空间，计算嵌入维m及延迟时间τ，在此基础上利用GAPSO-P模型，求解语音信号混沌时间序列模型；研究语音信号的混沌特性与声学特性的关系，建立语音信号非线性分类模型并求解，实现一种新的基于混沌时间序列预测理论的语音信号编码算法。.取得的重要成果：发表与该基金相关的科技期刊论文16篇，会议论文2篇，完成硕士学位论文26篇，获得陕西省高等学校科学技术奖二等奖1项，陕西省科学技术三等奖1项，获授权发明专利4项。通过项目研究，利用改进后的GAPSO-P算法，提出了一个混沌时间序列预测模型求解的方法，并且获得了一个语音信号非线性编码模型。这些工作对混沌时间序列分析方法以及语音信号编码研究具有一定的指导价值。.科学意义：通过对GAPSO混合规划算法展开研究，解决了在未知模型结构条件下语音信号模型求解算法，该方法也可以推广到一般的非线性模型求解；获得了一组具有更好推广能力的语音信号非线性编码模型以及语音信号混沌时间序列编码模型；考虑语音信号混沌特性，建立了语音信号分类编码模型，实现了语音信号编码最优模型选择。