3 WPD Volterra建模

本文提出了用小波包变换的方法和Volterra自适应模型来实现语音识别，其程序如下：

（1）用小波包变换分解原始数据序列并重构每个部分。

（2）重建每个子带信号的相空间。根据语音信号的特点，采用二阶Volterra级数展开，从而确定滤波器截断顺序的最小嵌入维数为N_opt=m_min。

（3）语音信号由二阶Volterra系列扩展， m 截断，它使数据变为线性空间。线性滤波器的参数向量是H (n) ，输入信号是U (n)。

（4）对于线性空间数据，采用线性自适应FIR 滤波器估计Volterra 模型的参数向量H (n)和输出信号U (n) ，建立语音混沌时间序列的Volterra预测模型，最终实现预测。

（5）通过式（15）计算预测误差e(n) ，并计算均方误差。当均方误差达到设定阈值时，提取Volterra滤波器权重向量或预测误差向量作为语音识别系统中的特征。