語音時長規(guī)整與變調(diào)技術(shù)研究.pdf

1、語音信號處理技術(shù)與計算機(jī)科學(xué)、模式識別系統(tǒng)、人工智能等領(lǐng)域與技術(shù)密切相關(guān)，融合了語言學(xué)研究與信號處理技術(shù)，對語音信號處理技術(shù)的研究會推動相關(guān)技術(shù)的發(fā)展。例如，隨著人機(jī)交互的不斷發(fā)展，以語音為通道的人機(jī)交互環(huán)境將會成發(fā)展的熱點和主流，語音環(huán)境下的交互方式將極大地提高人機(jī)交互的自然性和高效性。因此，對語音信號處理技術(shù)的深入研究具有重要的理論與實踐意義。
　　語音信號處理技術(shù)可以分語音的合成、編碼以及識別三大類，本文就其中的語音合成技術(shù)

2、中語音更改部分的內(nèi)容：語音時長規(guī)整和語音變調(diào)技術(shù)做重點研究。語音時長規(guī)整即在不改變說話人基頻、音色等特征下實現(xiàn)對語音時長的改變；語音變調(diào)技術(shù)則是在不改變說人語音速度的情況下實現(xiàn)對說話人基頻的改變。在實踐中，語音時長規(guī)整和語音變調(diào)技術(shù)可廣泛應(yīng)用于語音壓縮、傳輸通信、外語教學(xué)、影視后期制作及文語轉(zhuǎn)換等眾多領(lǐng)域。
　　文章首先概要地闡述了該論文所研究內(nèi)容的背景、意義，并對語音時長規(guī)整與變調(diào)技術(shù)的主要方法和國內(nèi)外研究進(jìn)展做出介紹。其次，研

3、究和闡述了語音信號產(chǎn)生的物理機(jī)制，基于其物理機(jī)制詳細(xì)分析了語音信號的經(jīng)典數(shù)字模型。
　　在此基礎(chǔ)上，對于語音時長規(guī)整技術(shù)，詳細(xì)介紹了典型算法OLA、SOLA、WSOLA以及基于模型的線性預(yù)測法等算法的原理及實現(xiàn)方法，并進(jìn)行仿真對比實驗。針對WSOLA算法在進(jìn)行規(guī)整時采用統(tǒng)一規(guī)整而沒有根據(jù)語音的感知特性做出相應(yīng)的區(qū)分，因而在采樣率偏低或者整體規(guī)整比例偏大的情況下規(guī)整效果將會變差的缺陷，分析了人耳的聽覺預(yù)測原理，提出基于人耳聽覺預(yù)測的

4、改進(jìn)WSOLA時長規(guī)整算法，對人耳感知敏感的轉(zhuǎn)折區(qū)語音進(jìn)行了保留，提高了輸出語音的規(guī)整質(zhì)量。進(jìn)一步針對改進(jìn)算法帶來的規(guī)整比例誤差提出一種動態(tài)時間規(guī)整補(bǔ)償算法，有效地使改進(jìn)算法在提高感知度的情況下，保證了規(guī)整時長的準(zhǔn)確性。
　　對于語音變調(diào)技術(shù)，分析推導(dǎo)了基于時域重采樣方法結(jié)合語音時長規(guī)整的算法、基于線性預(yù)測的方法等算法，并進(jìn)行仿真對比實驗。應(yīng)用線性重采樣結(jié)合基于人耳聽覺預(yù)測的改進(jìn)WSOLA時長規(guī)整算法獲得了很好變調(diào)效果的語音。另一

5、方面，針對聲門激勵信號的模擬和聲道共振峰模型的準(zhǔn)確提取兩方面，提出基于同態(tài)濾波倒譜域處理的方法。用倒譜方法提取人聲元音信號進(jìn)行周期拓展和重采樣，得到根據(jù)規(guī)整需求改變基音周期的聲門模擬激勵，用同態(tài)解卷方法提取聲道傳輸函數(shù)并用線型比例的重采樣方法得到改變共振峰頻率的聲道傳輸函數(shù)，有效地實現(xiàn)了保證語音時長不變的情況下對語音的變調(diào)處理，提高了合成語音的自然度。
　　最后構(gòu)建基于Matlab的GUI語音信號處理平臺，把對語音時長規(guī)整與變調(diào)技