基于GMM和碼本映射相結(jié)合的語音轉(zhuǎn)換方法研究.pdf

1、人體發(fā)出的語音中包含有各種各樣的信息，如說話人語義信息和說話人個(gè)性特征的信息等。經(jīng)常需要用語音信號處理領(lǐng)域的相關(guān)知識來分析與處理其中包含的深層次信息。而語音轉(zhuǎn)換技術(shù)是近年來語音信號處理領(lǐng)域的一個(gè)新分支，也是目前語音信號處理領(lǐng)域的一個(gè)研究熱點(diǎn)。對語音轉(zhuǎn)換技術(shù)的研究主要是以語音的個(gè)性特征信息為切入點(diǎn)展開的。語音轉(zhuǎn)換技術(shù)就是對一個(gè)說話人的個(gè)性特征信息進(jìn)行轉(zhuǎn)變，并保持語義信息不變，使其變?yōu)榱硪粋€(gè)特定目標(biāo)說話人的個(gè)性特征信息。對語音轉(zhuǎn)換技術(shù)的研究

2、有助于推動語音信號處理其它領(lǐng)域不斷向前發(fā)展，甚至對目前比較熱門的智能家居及人工智能領(lǐng)域的研究起到促進(jìn)作用。其具有廣闊的應(yīng)用前景和巨大的理論研究價(jià)值。本文的主要工作如下：
　　從語音產(chǎn)生模型入手，介紹了發(fā)音系統(tǒng)的數(shù)學(xué)模型及常用的語音特征參數(shù)。并對語音轉(zhuǎn)換技術(shù)中的分析合成模型等基本理論進(jìn)行了簡要介紹。提出利用KLD將源和目標(biāo)特征參數(shù)進(jìn)行對齊的方法，該方法減少了查找源和目標(biāo)空間之間最近鄰域的搜索空間，也減少了計(jì)算量。
　　重點(diǎn)研究

3、了高斯混合模型以及矢量碼本映射兩種譜包絡(luò)轉(zhuǎn)換方法，分析了它們的優(yōu)缺點(diǎn)。針對用GMM轉(zhuǎn)換后語音的譜包絡(luò)過于平滑的現(xiàn)象，研究了利用碼本映射法對 GMM轉(zhuǎn)換函數(shù)中的均值項(xiàng)和相關(guān)項(xiàng)進(jìn)行修正的方法，以此增大轉(zhuǎn)換特征的離散程度，進(jìn)而改善轉(zhuǎn)換語音的質(zhì)量。
　　研究了基音頻率變換方法。目前對基音頻率的變換基本上都是對基音頻率和聲道譜參數(shù)分開進(jìn)行建模的，這必然會影響轉(zhuǎn)換后語音的音質(zhì)。本文采用了基于徑向基函數(shù)網(wǎng)絡(luò)的基頻變換算法。該方法用徑向基函數(shù)網(wǎng)絡(luò)