基于粒子群优化技术的KK-SOVF语音信号序列预测模型研究

发布时间：2019-10-22 07:31

【摘要】：近些年来语音信号方面的处理与研究课题被广泛研究,给人工智能方面的数字通信、语音交互方面的识别和语音存储等方面的研究打下坚实的基础。就在语音信号的非线性特征被证明后,许多相关的非线性模型得以开始创建。尽管与传统的线性模型对语音信号的处理效果相比较非线性模型的在语音处理方面的预测效果比较突出。为了得到更好的预测精准度,我们则通过广泛的使用不同的对比方法或者是探索使用新的方法来获取更好的预期结果。以至于可以将预测做到更好,进而应用在工业等领域。因此非线性建模方法的研究是对语音建模的研究重点,非线性建模的研究也会给语音处理提供更多的方法。本文采用二阶Volterra模型对语音信号混沌时间序列进行预测建模研究,模型采用易于实现并且具有全局搜索能力的均匀搜索粒子群优化算法对Volterra模型参数求解从而建立了具有显示结构的语音信号预测模型。在此基础上,研究在允许误差范围内对所构建UPSO-SOVF模型进行精简,获得UPSO-KK-SOVF简约预测模型。本文主要工作如下：1、判别语音信号是否具有混沌特性。首先采用互信息法求取语音信号的延迟时间,之后再使用改进的Cao方法计算嵌入维数,由得出的延迟时间和嵌入维数能够作为关键参数进行相空间重构,最终使用这两个关键参数求解最大李雅普诺夫指数,通过这个指数可以判别语音信号是否具有混沌特性。2、构建UPSO-SOVF语音信号预测模型。语音信号的混沌特性判别过后,采用基于UPSO的Volterra模型对语音数据进行建模预测,进而使用在对语音信号的预测方面。UPSO具有更快的收敛速度,在摆脱局部极值、提高收敛精度具有明显的优势。仿真结果表明,UPSO-SOVF与LMS-SOVF模型的比较,UPSO-SOVF比LMS-SOVF模型预测更精确,因此证实了本文创建的模型在语音信号预测建模中的应用是有效的。二阶Volterra模型参数作为粒子位置,项作为列,整体二阶Volterra模型作为适应度函数,进而求解最优模型参数,对应有效列。3、构建UPSO-KK-SOVF语音信号预测模型。本文在设置允许误差的前提下对Volterra模型进行精简,针对不同的实验数据以及允许误差对Volterra模型的有效列的选取是不同的,但是有效列的个数远小于原始Volterra模型的项数。实验证明Volterra模型是有冗余项的,通过设置允许误差范围对Volterra模型进行一定的精简。通过实验仿真,以均方根误差做依据和波形比较证明UPSO-KK-SOVF方法的有效性。
【图文】：

逦陕西师范大学硕±学位论文逡逑Ｃａｏ巧法东音巧｜ｂｊＳ小技入绝拉逦Ｃｍ巧注穿：含巧悄ＩＩ小巧入＊巧逡逑＂Ｉ逦■逦．１．１．＂邋■—．１１１逦■逦■逦．逦．逦—？逦１．４１逦■逦■逦■逦Ｉ逦，逦Ｉ逦；逦—＂１——，，，，１逡逑－－－？－－

逦陕西师范大学硕±学位论文逡逑Ｃａｏ巧法东音巧｜ｂｊＳ小技入绝拉逦Ｃｍ巧注穿：含巧悄ＩＩ小巧入＊巧逡逑＂Ｉ逦■逦．１．１．＂邋■—．１１１逦■逦■逦．逦．逦—？逦１．４１逦■逦■逦■逦Ｉ逦，逦Ｉ逦；逦—＂１——，，，１逡逑－－－？－－
【学位授予单位】：陕西师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3

【相似文献】

相关期刊论文 前10条

1 张桂香;高爱国;;语音信号采集和处理方法的研究[J];高师理科学刊;2007年02期

2 季云云;杨震;;基于主分量分析的语音信号压缩感知[J];信号处理;2011年07期

3 韩大伟;熊欣;;语音信号采集和处理方法的分析[J];无线互联科技;2013年05期

4 张梅横,孙伟,刘雅君;交通指挥网络与语音信号系统的实现[J];信息技术;2000年08期

5 赵力,钱向民,邹采荣,吴镇扬;从语音信号中提取情感特征的研究[J];数据采集与处理;2000年01期

6 戴启军,卞正中,陈砚圃,张介秋;基于统计模型实现语音信号有声/无声检测的研究[J];西安交通大学学报;2002年08期

7 周开利;基于子波变换的语音信号压缩[J];海南大学学报(自然科学版);2002年02期

8 蔡建,方勇,音春,徐洪伟;一种基于频谱特征的语音信号识别方法及硬件实现[J];电声技术;2003年07期

9 屈丹,王炳锡;语音信号元音检测的新方法[J];声学学报;2003年01期

10 胡峻辉,王蓓蕾,李晶皎;基于凌阳单片机的语音信号实时采集[J];单片机与嵌入式系统应用;2003年04期

相关会议论文 前10条

1 赵力;曾毓敏;邹采荣;吴镇扬;;基于子空间分析的语音信号寂声语声段识别方法[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

2 杜安丽;王茜;余磊;孙洪;;基于小波树结构的语音信号压缩感知恢复算法[A];2010年通信理论与信号处理学术年会论文集[C];2010年

3 张云翼;崔杰;肖灵;;一种改进的语音信号去混响算法[A];泛在信息社会中的声学——中国声学学会2010年全国会员代表大会暨学术会议论文集[C];2010年

4 陈韬;莫福源;李昌立;;语音信号的自动分段方法研究[A];第三届全国人机语音通讯学术会议论文集[C];1994年

5 沙宗先;卢绪刚;秦兵;李吉民;;语音信号的混沌现象研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

6 沙宗先;韩俊涛;陈惠鹏;秦兵;;语音信号的混沌现象研究[A];第五届全国人机语音通讯学术会议论文集[C];1998年

7 刘佳;师硕;李锡杰;王旭;;语音信号的分析方法和应用[A];第八届全国人机语音通讯学术会议论文集[C];2005年

8 于水源;陈玉东;;语音信号非线性动力学特性与语音学特性之间的关系[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

9 吕苗荣;古德生;彭振斌;;语音信号基本处理单元的选择与应用[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

10 高畅;李海峰;马琳;;基于压缩感知理论的语音信号压缩与重构方法[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

相关重要报纸文章 前9条

1 西安邮电学院 王娜;企业IP电话解决方案探讨[N];通信信息报;2005年

2 成都 史为;红外光语音通信实验[N];电子报;2005年

3 记者 杨柳纯;HYT携手清华大学研发语音信号技术[N];深圳特区报;2009年

4 ;什么是信号分离器？[N];中国电脑教育报;2003年

5 NMS国际公司供稿;StudioSound：高性能的语音质量[N];通信产业报;2003年

6 陕西 朱亚伟 编译;一款半双工对讲机电路[N];电子报;2012年

7 湖海;美推出一次性手机[N];中国电子报;2002年

8 ;YS-608型学习耳机原理与维修[N];电子报;2002年

9 山东 吕建国;鹦鹉学话、复读两用电路[N];电子报;2002年

相关博士学位论文 前10条

1 薛丽芳;语音信号动态特征分析及其可视化的关键技术研究[D];东北大学　;2010年

2 韩志艳;语音信号鲁棒特征提取及可视化技术研究[D];东北大学;2009年

3 刘柏森;基于HHT复杂环境下低信噪比语音检测及增强方法研究[D];哈尔滨工程大学;2011年

4 叶蕾;语音信号压缩感知关键技术研究[D];南京邮电大学;2014年

5 金学成;基于语音信号的情感识别研究[D];中国科学技术大学;2007年

6 陈为国;实时语音信号处理系统理论和应用[D];浙江大学;2004年

7 谭丽丽;语音信号盲分离算法的研究[D];华南理工大学;2001年

8 闫润强;语音信号动力学特性递归分析[D];上海交通大学;2006年

9 覃爱娜;基于非线性理论的汉语语音编码技术研究[D];中南大学;2012年

10 郭海燕;基于稀疏分解的单通道混合语音分离算法研究[D];南京邮电大学;2011年

相关硕士学位论文 前10条

1 朱健晨;基于语音信号特征参数提取的同模板匹配算法的综合分析及应用[D];昆明理工大学;2015年

2 杜朦旭;感冒病人嗓音的特征提取与识别研究[D];浙江大学;2016年

3 高源龙;基于压缩感知的语音联合压缩算法研究[D];长春工业大学;2016年

4 陈亚柯;低信噪比下PLC语音信号间断传输的研究[D];河南理工大学;2015年

5 卢欢欢;基于随机共振理论强噪声背景下弱语音信号检测[D];天津工业大学;2016年

6 向靓;RLS算法跟踪性能与时间序列平稳性研究[D];华侨大学;2016年

7 冯金金;基于DSP的语音信号压缩通信系统的研究[D];江苏科技大学;2016年

8 郭会芹;基于Hilbert-Huang的语音信号去噪算法研究[D];长春理工大学;2016年

9 刘晓珍;语音信号的混沌遮掩及其盲提取技术研究[D];黑龙江大学;2016年

10 刘清华;基于稀疏快速傅里叶变换的语音压缩处理算法研究[D];兰州交通大学;2016年

本文编号：2551535