[发明专利]基于代理模型Volterra建模的语音信号编码和解码方法

摘要

一种基于代理模型Volterra建模的语音信号编码和解码方法，由对输入的混沌语音信号进行预处理、用Volterra建模方法构建预测模型、确定混沌语音信号预测模型并编码、解码步骤组成。由于本发明采用对现有的人工蜂群算法进行了改进，对输入的混沌语音信号进行预加重、加窗、分帧预处理，建立了混沌语音信号预测模型，确定混沌语音信号预测模型中的参数，完成混沌语音信号的编码，根据已有编码后的数据，按照常规方法进行解码。本发明利用语音信号的混沌特点，快速准确地实现了对混沌语音信号进行编码、解码，具有步骤简单、容易实现、准确率高等优点，可用于对混沌语音信号进行编码、解码。

主权项

1.一种基于代理模型Volterra建模的语音信号编码和解码方法，其特征在于由以下步骤组成：(1)对输入的混沌语音信号进行预处理在输入的混沌语音信号中，找到波形均匀的帧作为分析帧，进行预加重、加窗、分帧预处理；上述的加窗预处理采用以下窗函数进行：式中N为有限的正整数；(2)用Volterra建模方法构建预测模型将步骤(1)分析帧的信息，按式(2)建立混沌语音信号预测模型：式中u(n‑iτ)为输入的分析帧信号，m是混沌时间序列预测模型的记忆长度为有限的正整数，h₁(i)和h₂(i，j)为待定系数，u(n‑iτ)为对应分析帧的第n‑iτ个样本，n‑iτ为步骤(1)中分析帧的样本序号，u(n‑jτ)为对应的分析帧的第n‑jτ个样本，n‑jτ为步骤(1)中分析帧的样本序号，τ是延迟时间为有限的正整数，j、_n为有限的正整数；(3)确定混沌语音信号预测模型并编码将步骤(1)中分析帧的混沌语音信号用自适应人工蜂群算法确定混沌语音信号所对应的延迟时间τ、嵌入维数s、待定系数h₁(i)、待定系数h₂(i，j)，采用代理模型方法作为近似适应度函数，选择高适应度的嵌入维数s、延迟时间τ、待定系数h₁(i)以及待定系数h₂(i，j)，采用预测值与实际值之间的均方误差做为原始适应度函数，通过贪婪选择方法，得到最佳嵌入维数s、延迟时间τ、待定系数h1(i)以及h₂(i，j)，代入上述式(2)，完成混沌语音信号的编码；上述的自适应人工蜂群算法为：式中ω是权重系数介于(0，1)，c1、c2是学习因子2，是[‑1，1]的随机数，x_best为每次迭代的全局最优蜜源，xi_j为当前的蜜源位置，i为蜜源向量的序号，j为对应分量，x_neighbor为当前蜜源邻近的蜜源位置，neighbor为蜜源向量序号不能等于i，ω由以下两个式子确定：ω＝ω_min+ρ(ω_max‑ω_min)                 (4)ω_min是ω的上界为0.2，ω_max是ω的下界为0.9，a为2，maxcyle是最大的迭代次数为2000，a为2，maxcyle是最大的迭代次数为1000或1500或2000；上述的代理模型方法为：(1)将分析帧的混沌语音信号相空间重构中的嵌入维数s、延迟时间τ加入到原始Volterra模型中，用s代替式(1)中的m；(2)根据步骤(1)所属引入s与τ的模型，采用自适应人工蜂群算法的代理模型方法确定待定系数h₁(i)和h₂(i，j)：使用径向基神经网络作为近似适应度函数，将近似适应度函数与真实适应度函数模型结合使用，近似适应度函数为：式中k(||x‑c_i||)为所使用的核函数，a_i为所要评估的值，c_i为径向基神经网络的中心点，真实适应度函数为：式中y_i为实际值，为预测值，L为预测长度；确定最佳待定系数h₁(i)、h₂(i，j)，检测均方误差是否达到要求，不达到误差要求，再次迭代；(4)解码将提取的混沌语音信号的最佳嵌入维数s、延时时间τ、待定系数h₁(i)以及h₂(i，j)代入式(2)，得对应信号的预测模型，根据已有编码后的数据，按照常规方法进行解码。