基于共振峰參數(shù)的源—目標(biāo)聲音轉(zhuǎn)換方法研究.pdf

1、源—目標(biāo)說話人聲音轉(zhuǎn)換是將源說話人的語音模式轉(zhuǎn)換成某個特定的目標(biāo)說話人的語音模式，而保持源說話人原有的語義內(nèi)容不變，使轉(zhuǎn)換后的語音具有目標(biāo)說話人的聲音特點(diǎn)。聲音轉(zhuǎn)換是當(dāng)前語音信號與信息處理研究領(lǐng)域的一個熱點(diǎn)，除了理論方法研究外，其應(yīng)用前景也非常廣泛，包括文語合成系統(tǒng)的定制、電影廣播劇角色的自動配音、多說話人語音語料的采集和傳輸?shù)取?本文研究的源—目標(biāo)說話人聲音轉(zhuǎn)換是基于共振峰分析—合成模型的，主要研究聲道共振峰的參數(shù)表示和提取方

2、法，與文本無關(guān)的聲道共振峰參數(shù)映射規(guī)則的獲取方法，以及共振峰合成器。 首先研究了共振峰分析—合成模型，深入討論并驗(yàn)證了共振峰參數(shù)中所表征的說話人個性特征，針對語聲中濁音和清音不同的共振峰結(jié)構(gòu)特點(diǎn)，對濁音和清音采取了不同的參數(shù)表示方法，并給出了一種基于線性預(yù)測的共振峰提取算法。 為了獲取文本無關(guān)下的源—目標(biāo)參數(shù)間的映射規(guī)則，采用了基于分類的映射規(guī)則獲取思想，對分類線性轉(zhuǎn)換方法(CLT)進(jìn)行分析研究，并在此基礎(chǔ)上，本文給出了

3、一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)的分類線性加權(quán)轉(zhuǎn)換方法，以輸入特征矢量對各個類別(隱層節(jié)點(diǎn))的“貢獻(xiàn)”作為各子類轉(zhuǎn)換規(guī)則的權(quán)值，轉(zhuǎn)換后的特征矢量為各子類輸出的加權(quán)，這種加權(quán)組合的方法使一定分類下的映射規(guī)則得以極大的增多，可以提高轉(zhuǎn)換效果。實(shí)驗(yàn)結(jié)果表明，在相同的分類數(shù)時，RBFNN方法的轉(zhuǎn)換效果優(yōu)于CLT算法；并可在較少訓(xùn)練數(shù)據(jù)下也有較好的轉(zhuǎn)換效果。 文中還詳細(xì)討論了共振峰參數(shù)合成器基本原理和組成結(jié)構(gòu)，包括激勵源模型和聲道