语音信号的产生过程是非线性的,而且具有混沌性,但传统的语音信号处理方法大多是基于确定性的线性系统理论。混沌理论的创立,大大拓宽了人们的视野,为研究许多复杂的自然现象提供了新的途径。混沌理论对自然科学以及社会科学许多领域的研究也产生了深远的影响。近年来,非线性模型在语音信号处理中的应用受到许多研究者的关注。作为混沌理论的一个应用,论文研究了语音信号的混沌特征,建立了基于混沌分析的非线性语音预测器,并以此为基础,研究了非线性预测编码系统。论文首先介绍了混沌的基础知识和表征混沌的特征量。在此基础上,论文对语音信号进行了较为系统的混沌特性研究,利用分形维、Lyapunov指数、最小嵌入维,以及重构相空间等常用的刻画混沌的非线性测度分析汉语语音的基本音素。然后,论文在分析语音信号非线性特征基础上,构造了基于RBF神经网络的语音信号非线性预测器,研究了其结构和训练算法,并与线性预测器进行了对比。结果表明该模型比线性预测模型性能要好。最后,论文将设计的非线性预测器代替线性预测器设计了非线性预测编码系统,仿真结果表明,该系统能提高编码的性能。