随着科技的发展，现代的智能设备，如智能手机和智能手表都具备了以往电子设备所不具有的形式多样的附加功能。在这些附加功能的实现过程中，嵌入在设备中的多种微型传感器起到了关键性的作用，在扩展了智能设备的功能范围的同时，也为用户提供了良好的交互体验。

本文所研究的内嵌传感器是加速度传感器，不同于以往被用来实现对携带智能设备的人体目标诸如走路，跑步，上下楼梯以及跌倒等运动状态进行准确的识别。本文将研究运动传感器在符合一定条件的语音信号的激励下，产生一种输出相应信号。这在一定程度上是由于语音信号可以引起运动传感器电容两极板振动而产生电流的变化而造成的。

对于不同的应用场景，这种特性有利也有弊。其好处在于，在智能家具蓬勃发展的今天，运动传感器可以具备代替传统麦克风进行语音控制等功能的潜质，产生一种全新的交互方式。在传统麦克风的使用过程中，为了能够对随时对用户的语音命令进行反馈，麦克风以及相关硬件需要持续保持实时的工作状态。这种大量能耗的工作模式在以电池供电为主的智能设备中无疑已经成为一个巨大的挑战。并且，目前还有相当多的智能手表等小型智能设备中并没有内置麦克风。因此，目前尝试利用智能设备中的其它低功耗传感器，例如加速度传感器去采集语音信号称为了一种可行的替代方案。这样，既能够保持对语音的实时监测，同时又可以降低系统的能耗。从而解决语音信号监测的实时性和高能耗之间的矛盾。

当然其弊端也不可忽视，因为类似于加速度传感器这样的内嵌传感器具有隐蔽性，当输入语音信号与输出的信号的关系被完全建立下来以后，人们往往会忽视其对自身信息的泄露。

受到硬件结构的限制，这种输出响应信号会体现出比较强的非线性特征。因此，本文尝试从非线性动力学角度出发，以混沌理论为基础，试图通过信号相空间重构的方法揭示语音信号通过智能设备内置运动传感器后响应信号的混沌特征，构建可以表征加速度传感器非线性特征的数学模型，实现较为准确的输出信号预测，从而为后续的信号特征提取及识别算法打下良好的理论基础。

2. 研究的基本内容与方案

本文将语音信号作为激励，采集经加速度传感器后输出的非线性信号。因为输出信号具有非线性性质，所以有必要使用混沌、分形等非线性理论来对其进行进一步分析。

（1）通过计算Lyapunov指数，确定输出非线性信号是具有混沌特性的，为接下来的理论研究做好基础。

Lyapunov指数是衡量系统动力学特性的一个重要定量指标它表征了系统在相空间中相邻轨道间收敛或发散的平均指数率。对于系统是否存在动力学混沌，可以从最大Lyapunov指数是否大于零非常直观的判断出来:一个正的Lyapunov指数，意味着在系统相空间中，无论初始两条轨线的间距多么小，其差别都会随着时间的演化而呈指数率增加以致最后达到无法预测，这就是混沌现象。

（2）通过相空间重构技术研究了非线性的重构参数（以时间维度和嵌入维数的计算为主），定性分析了其性质性质。