技術領域

本發明涉及計算及應用技術領域，具體涉及一種基于混沌時間序列預測模型的語音信號編碼和解碼方法。

背景技術

近年來，在研究中發現，語音信號以及其時間序列均表現出復雜的非線性特性，語音信號有界，分維形有限且通常不為整數都表明語音信號具有混沌的特性。利用混沌特性構建語音信號的預測模型已經成為語音信號處理進一步的研究重點。大部分研究人員都是在結合神經網絡分析方法構造了一個非線性預測模型，在語音信號混沌特性的基礎上利用改進的遺傳規劃算法建立了語音信號混沌時間序列預測模型.但是都存在必須要先求取延時時間和嵌入維后才可以建立語音信號預測模型的問題，效率較低。本發明提出了一種基于混沌時間序列預測模型的語音信號編碼以及解碼方法，大幅度提高了混沌時間序列預測的效率以及準確率。

發明內容

本發明的目的之一是提供一種基于混沌時間序列預測模型的語音信號編碼方法，其能夠準確的發現混沌時間序列的主要特點，快速準確的實現混沌時間序列的編碼，并且確定步驟簡單，容易實現，準確率高的特點。

本發明的目的之二是提供一種基于混沌時間序列預測模型的語音信號解碼方法，能夠充分利用本發明中提出的混沌時間序列預測模型，進行解碼，快速的實現混沌時間預測模型的解碼，得到解碼的數據，其確定準確率高，確定過程簡單。

為了實現上述目的，本發明所采用的技術方案是：

一種基于混沌時間序列預測模型的混沌語音編碼，其是由以下步驟組成：

(1)在輸入混沌語音中確定分析幀，并對幀進行預處理

在用戶輸入的混沌語音中,找到有效幀作為分析幀，并對分析幀進行預處理；

(2)建立混沌時間序列預測模型

采集步驟(1)分析幀的信息，建立混沌時間序列預測模型，其表達式為：

其中，y_i為分析幀的輸出預測序列，c_i為混沌時間序列預測模型中待定系數，x_i為分析幀中的第i個樣本，m為步驟(1)中分析幀的最適嵌入維，t為分析幀的最適延時時間，i為步驟(1)中分析幀的樣本序號；

(3)確定混沌時間序列預測模型的c_i值和最適嵌入維m、最適延時時間t

利用差分動態粒子群算法確定步驟(1)的分析幀的混沌時間序列所對應的最適嵌入維m、最適延時時間t、以及混沌時間序列預測模型中待定系數c_i，并在此過程中同時對嵌入維、延時時間、待定系數c_i進行適應度檢測，采用最大誤差來判斷是否達到適應度的要求，通過適應性的檢測，得到符合要求的最適嵌入維m、最適延時時間t以及待定系數c_i，完成混沌語音的編碼。

進一步，上述步驟(3)具體由以下步驟實現：

(a)將分析幀的混沌時間序列的嵌入維m、延時時間t以及待定系數c_i，作為一個解集，利用差分動態粒子群算法進行計算；

(b)根據步驟(a)得到的嵌入維m、延時時間t、以及待定系數c_i，進行適應度檢測，檢測性能指標如下：

設第j組參數(t，m，c_i)采用最大誤差

其中，y_i和分別表示實際值與預測值；

找到適應性最好的一組解集，即確定最適嵌入維m、最適延時時間t、以及最適系數c_i，檢測最大誤差是否達到誤差要求，如果達到誤差要求，則進入步驟c，否則，重新進入步驟b；

(c)輸出最適嵌入維、最適延時時間，以及最適混沌時間序列預測模型系數輸出達到要求的最適嵌入維m、最適延時時間t以及最適混沌時間序列預測模型系數c_i，完成混沌語音編碼。

一種基于混沌時間序列預測模型的混沌語音解碼方法，其是由以下步驟組成：

(1)提取已知的混沌語音的最適嵌入維m以及最適延時時間t和最適c_i值，確定該已知的混沌語音對應的預測模型；

(2)根據步驟(1)的預測模型，用混沌時間序列的狀態轉移特性

y(i)＝(x(i),...,x(t+(m-1)t))

y(i+1)＝f(y(i))

y(i+2)＝f(y(i+1))