采用STRAIGHT模型和深度信念網(wǎng)絡(luò)的語音轉(zhuǎn)換方法.pdf

1、西安建筑科技大學(xué)碩士學(xué)位論文采用STRAIGHT模型和深度信念網(wǎng)絡(luò)的語音轉(zhuǎn)換方法專業(yè)：信號與信息處理碩士生：蘇利博指導(dǎo)教師：王民教授摘要語音轉(zhuǎn)換就是在保證語義信息不變的前提下，通過對語音的個性特征進行處理，從而使一個人的語音聽起來像另外一個人的語音。目前國內(nèi)外學(xué)者在語音轉(zhuǎn)換領(lǐng)域進行了許多研究，比較經(jīng)典的方法有：基于隱馬爾科夫模型(HiddenMarkovModelHMM)、頻譜彎折(FrequencyWarpingFW)碼書映射(Cod

2、ebookMappingCM)、人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralwksANN)，以及采用高斯混合模型(GaussianMixtureModelGMM)進行語音轉(zhuǎn)換。其中在國內(nèi)外學(xué)術(shù)界最主流的方法是采用GMM模型，并且在實驗中取得了不錯的語音轉(zhuǎn)換效果。但是采用高斯混合模型對語音進行轉(zhuǎn)換的過程中會出現(xiàn)過平滑現(xiàn)象，而且高斯混合模型本質(zhì)上就是一種淺層結(jié)構(gòu)模型。淺層模型都有一個共同的缺點，那就是在模型運用不出差錯的前提下，特征的好壞

3、直接決定整個系統(tǒng)性能的好壞，而且其特征的維數(shù)一般只有幾十維，不能充分描述特征之間的相關(guān)性和狀態(tài)空間分布，從而影響轉(zhuǎn)換性能。針對以上這些問題，本文采用STRAIGHT模型和深度信念網(wǎng)絡(luò)相結(jié)合的方法來實現(xiàn)語音轉(zhuǎn)換，目前深度信念網(wǎng)絡(luò)主要應(yīng)用在語音識別方面。首先是利用STRAIGHT算法對語音進行分析以及合成，這樣就避免了傳統(tǒng)方法采用GMM模型實現(xiàn)語音轉(zhuǎn)換時出現(xiàn)的過平滑現(xiàn)象，并且對于高斯混合模型來說，它本質(zhì)上也是一種淺層的結(jié)構(gòu)模型，不能反映語音