摘要：对给定的英语音素、单词和语句进行了采集并完成预处理.分别应用互信息法和Cao氏法确定了实际采集的语音信号序列的延迟时间和嵌入维数,以完成语音序列的相空间重构.通过计算实际采集的语音信号序列的最大Lyapunov指数,完成了语音信号的混沌特性识别,判定其具有混沌特性.引入Volterra级数,提出了一种具有显式结构的语音信号非线性预测模型.为克服最小均方误差算法在Volterra模型系数更新时固有的缺点,在最小二乘法基础上,应用基于后验误差假设的可变收敛因子技术,构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra模型（DFPSOVF）,并将其应用于具有混沌特性的语音信号序列预测.仿真结果表明：DFPSOVF非线性预测模型对于单帧和多帧语音信号均具有更好的预测精度,优于线性预测模型,并且能够很好地反映语音序列变化的趋势和规律,完全可以满足语音预测的要求;可以根据语音信号序列的嵌入维数选取预测模型的记忆长度.所提出模型可以为语音信号重构和压缩编码开辟一条新途径,以改善语音信号处理方法的复杂度和处理效果.

关键词：语音信号 混沌 volterra预测模型 

单位：陕西师范大学 现代教学技术教育部重点实验室 西安710062 陕西师范大学计算机科学学院 西安710062 西北工业大学自动化学院 西安710072 西北工业大学电子信息学院 西安710072