[发明专利]一种基于混沌时间序列预测模型的语音信号编码和解码方法

说明书

技术领域

本发明涉及计算及应用技术领域，具体涉及一种基于混沌时间序列预测模型的语音信号编码和解码方法。

背景技术

近年来，在研究中发现，语音信号以及其时间序列均表现出复杂的非线性特性，语音信号有界，分维形有限且通常不为整数都表明语音信号具有混沌的特性。利用混沌特性构建语音信号的预测模型已经成为语音信号处理进一步的研究重点。大部分研究人员都是在结合神经网络分析方法构造了一个非线性预测模型，在语音信号混沌特性的基础上利用改进的遗传规划算法建立了语音信号混沌时间序列预测模型.但是都存在必须要先求取延时时间和嵌入维后才可以建立语音信号预测模型的问题，效率较低。本发明提出了一种基于混沌时间序列预测模型的语音信号编码以及解码方法，大幅度提高了混沌时间序列预测的效率以及准确率。

发明内容

本发明的目的之一是提供一种基于混沌时间序列预测模型的语音信号编码方法，其能够准确的发现混沌时间序列的主要特点，快速准确的实现混沌时间序列的编码，并且确定步骤简单，容易实现，准确率高的特点。

本发明的目的之二是提供一种基于混沌时间序列预测模型的语音信号解码方法，能够充分利用本发明中提出的混沌时间序列预测模型，进行解码，快速的实现混沌时间预测模型的解码，得到解码的数据，其确定准确率高，确定过程简单。

为了实现上述目的，本发明所采用的技术方案是：

一种基于混沌时间序列预测模型的混沌语音编码，其是由以下步骤组成：

(1)在输入混沌语音中确定分析帧，并对帧进行预处理

在用户输入的混沌语音中,找到有效帧作为分析帧，并对分析帧进行预处理；

(2)建立混沌时间序列预测模型

采集步骤(1)分析帧的信息，建立混沌时间序列预测模型，其表达式为：

其中，y_i为分析帧的输出预测序列，c_i为混沌时间序列预测模型中待定系数，x_i为分析帧中的第i个样本，m为步骤(1)中分析帧的最适嵌入维，t为分析帧的最适延时时间，i为步骤(1)中分析帧的样本序号；

(3)确定混沌时间序列预测模型的c_i值和最适嵌入维m、最适延时时间t

利用差分动态粒子群算法确定步骤(1)的分析帧的混沌时间序列所对应的最适嵌入维m、最适延时时间t、以及混沌时间序列预测模型中待定系数c_i，并在此过程中同时对嵌入维、延时时间、待定系数c_i进行适应度检测，采用最大误差来判断是否达到适应度的要求，通过适应性的检测，得到符合要求的最适嵌入维m、最适延时时间t以及待定系数c_i，完成混沌语音的编码。

进一步，上述步骤(3)具体由以下步骤实现：

(a)将分析帧的混沌时间序列的嵌入维m、延时时间t以及待定系数c_i，作为一个解集，利用差分动态粒子群算法进行计算；

(b)根据步骤(a)得到的嵌入维m、延时时间t、以及待定系数c_i，进行适应度检测，检测性能指标如下：

设第j组参数(t，m，c_i)采用最大误差

其中，y_i和分别表示实际值与预测值；

找到适应性最好的一组解集，即确定最适嵌入维m、最适延时时间t、以及最适系数c_i，检测最大误差是否达到误差要求，如果达到误差要求，则进入步骤c，否则，重新进入步骤b；

(c)输出最适嵌入维、最适延时时间，以及最适混沌时间序列预测模型系数输出达到要求的最适嵌入维m、最适延时时间t以及最适混沌时间序列预测模型系数c_i，完成混沌语音编码。

一种基于混沌时间序列预测模型的混沌语音解码方法，其是由以下步骤组成：

(1)提取已知的混沌语音的最适嵌入维m以及最适延时时间t和最适c_i值，确定该已知的混沌语音对应的预测模型；

(2)根据步骤(1)的预测模型，用混沌时间序列的状态转移特性

y(i)＝(x(i),...,x(t+(m-1)t))

y(i+1)＝f(y(i))

y(i+2)＝f(y(i+1))