混沌時間序列Volterra建模及其在語音信號處理中的套用

《混沌時間序列Volterra建模及其在語音信號處理中的套用》是依託陝西師範大學，由張玉梅擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：混沌時間序列Volterra建模及其在語音信號處理中的套用
• 項目類別：青年科學基金項目
• 項目負責人：張玉梅
• 依託單位：陝西師範大學

項目摘要

在非線性動力系統的研究中，混沌時間序列的建模是進行分析問題和解決問題的關鍵。本項目擬將信息準則理論套用於混沌時間序列Volterra建模時模型階數和記憶長度的綜合選擇問題，解決傳統方法的指定模型階數和記憶長度過大引起的計算複雜度和過擬合問題，並通過Bayesian準則確定Volterra模型中模型參數對於模型的貢獻大小；考慮LMS和RLS算法存在的合理選擇參數問題，擬研究一種基於後驗誤差假設的具有可變收斂因子和良好抗干擾性的自適應最佳化算法，並套用於模型係數的更新；設計具有非線性反饋結構的Volterra模型，增加算法的動態特性，從而將提高模型的預測能力；最後將所建模型套用於語音信號的預測中，研究語音信號的混沌特性與聲學特性之間的關係，建立以混沌特性為基礎的非線性分類模型，並構建不同類別的語音時間序列非線性預測模型。本項目研究將為混沌時間序列建模和預測理論提供新思想、探索新途徑。

結題摘要

項目背景：在非線性動力系統的研究中，混沌時間序列的建模是進行分析問題和解決問題的關鍵。結合語音信號混沌特性展開研究是當前語音信號處理領域的研究熱點並且已經取得了一定的成果。已有研究證明，重構後的語音信號更利於對其特徵進行深入和準確的分析(包括構建預測模型)，但系統深入地、尤其是結合混沌特性與語音特性的研究並不多，因此，引入Volterra級數以及混沌時間序列分析理論等新的研究方法研究語音信號中的混沌特徵、模型及處理方法，構建非線性語音信號處理模型具有重要的理論與套用價值。 主要研究內容：構建了一種基於DFP算法的二階Volterra模型(DFPSOVF), 進而研究了模型的穩定性、有界性和計算複雜性等特徵；提出了一種改進的GP算法用於建立語音信號的非線性預測模型，進而實現語音編碼，該模型在GP算法中引入多種群及爬山算法，並建立分幀模型，再通過分析各幀模型提取規範化的模型結構；提出了一種全局最優引導的自適應蜂群AGABC算法，進行語音信號Volterra預測模型的係數求解；提出了隱相空間語音信號混沌模型的求解算法，將相空間重構、模型選擇與參數最佳化三個問題轉化為一個最佳化問題進行求解，並構建了隱相空間UPSO-SOVF語音信號預測模型，為了降低模型複雜度，在誤差允許範圍內對Volterra模型進行關鍵項的提取，構建了隱相空間UPSO-KK-SOVF語音預測模型。 取得的重要成果：發表與該基金相關的科技期刊論文11篇，會議論文4篇，錄用期刊論文4篇，完成碩士學位論文7篇，獲得陝西省高等學校科學技術獎一等獎1項，國家級教學成果獎二等獎1項，申請發明專利4項，授權發明專利6項。協辦國內會議1次，主辦國內會議3次，參加國內國際會議15次，項目期間培養的研究生獲得各類競賽10餘項。 科學意義：通過對Volterra模型展開研究，首次將相空間重構隱含於非線性模型模型求解，將相空間重構、模型選擇與參數最佳化三個問題轉化為一個最佳化問題進行求解，獲得了具有更好推廣能力的語音信號非線性編碼模型。