基于FDA的語音基頻建模的研究.pdf

1、語音是人類交流最為方便快捷的方式。隨著人機對話技術的發(fā)展,人們對合成語音的質量要求越來越高。語音基頻曲線對合成語音的自然度有決定性的作用,對語音基頻包絡的建模成為人機交互領域的一個重要研究課題。本文提出了一種利用FDA(FunctionalDataAnalysis,泛函數據分析)對語音基頻包絡建模的新方法,建立了漢語普通話和蘭州方言單音節(jié)的四種不同聲調的基頻曲線的FDA模型,并利用建立的基頻模型實現了普通話到蘭州方言的轉換。論文工作對于

2、實現普通話和蘭州方言的韻律建模、揭示普通話和蘭州方言之間的聯系與區(qū)別有重要的理論意義和應用價值。論文的主要工作如下:
　　1.提出了一種利用泛函數據分析FDA(functionaldataanalysis)對語音基頻包絡建模的新方法。用B-樣條函數對語音的單字基頻進行數據平滑處理,得到平滑后的基頻曲線,將平滑后的基頻曲線再進行兩次時間校準處理,最后通過主成分和主微分分析,最終得到擬合后的基頻曲線。將原始基頻與擬合后的基頻曲線進行對

3、比分析,實驗結果表明,本文提出的建立基頻模型的方法,具有一定的可行性,可應用于語音合成等語音信息處理研究中。
　　2.建立了普通話和蘭州話的FDA基頻曲線模型。標注了普通話和蘭州方言的4種聲調的160個單音節(jié)的基頻包絡,用FDA方法對普通話和蘭州話的四種聲調的單字基頻曲線建立了基頻包絡模型。論文對普通話和蘭州方言的FDA基頻模型擬合得到的基頻曲線分別進行了誤差分析,得到原始普通話基頻與擬合后的普通話基頻曲線間的均方根誤差為6.47

4、Hz,相應的蘭州方言的FDA基頻模型其均方根誤差為3.88Hz。論文采用STRAIGHT算法,利用模型產生的基頻包絡重新合成普通話語音和方言語音,主觀評測結果表明,普通話的MOS得分為4.17,蘭州話的MOS得分為4.19分。實驗驗證了FDA基頻模型的在基頻建模上的適用性。
　　3.實現了普通話到蘭州方言的轉換。首先,通過輸入的文本得到蘭州方言的聲調信息,同時利用輸入的普通話語音文件用STRAIGHT方法得到四種聲調對應的譜參數和