基于混沌特性的语音信号分类

语音识别广泛应用于人机交互、安全识别等相关领域,语音信号分类是语音识别的重要基础.语音信号分类主要借助混沌特性的相关特征对语音信号进行研究.目前,语音信号分类相关研究主要有模型训练分类和特征提取两种方法.模型训练分类法需要大量数据的支撑,而且训练过程复杂、训练时间长.特征提取法需要提取大量不同特征进行分析,过程复杂.文中在特征提取法的基础上提出一种基于李雅普诺夫指数的语音信号混沌特性分类方法.该方法以混沌理论中相空间重构为基础,分别采用互信息法求取延迟时间、Cao方法求取嵌入维数、小数据量法求最大李雅普诺夫指数,然后探究各类语音信号的分布特点,并对其进行分类