基于聲道譜參數(shù)的語音轉(zhuǎn)換算法研究.pdf

1、語音轉(zhuǎn)換技術(shù)是在保留源說話人語義信息不變的前提下，將源說話人的個性特征進行轉(zhuǎn)換，使之聽起來像目標說話人的聲音。本文主要研究基于聲道譜特征參數(shù)的語音轉(zhuǎn)換技術(shù)，主要內(nèi)容包括：
　　(1)針對傳統(tǒng)的高斯混合模型沒有描述說話人間的非線性關(guān)系以及易出現(xiàn)過平滑導致轉(zhuǎn)換語音質(zhì)量不理想的現(xiàn)象，提出基于高斯混合模型與人工神經(jīng)網(wǎng)絡的混合模型語音轉(zhuǎn)換算法，采用徑向基函數(shù)神經(jīng)網(wǎng)絡對高斯混合模型的均值參數(shù)進行轉(zhuǎn)換，建立新的轉(zhuǎn)換規(guī)則。主觀和客觀測試表明，該方

2、法提高了經(jīng)典語音轉(zhuǎn)換系統(tǒng)的性能，改進了轉(zhuǎn)換語音的音質(zhì)。
　　(2)針對運用高斯混合模型進行語音轉(zhuǎn)換時容易出現(xiàn)的過平滑現(xiàn)象，本文將多分辨率小波分析用于語音轉(zhuǎn)換中，并在對特征參數(shù)進行多分辨率小波分析前，先進行模糊K均值聚類，以提高轉(zhuǎn)換精度與轉(zhuǎn)換速度。仿真實驗表明：該算法在提高轉(zhuǎn)換速度的前提下，提高了轉(zhuǎn)換語音的清晰度與可懂度。
　　(3)針對運用傳統(tǒng)方法訓練徑向基函數(shù)神經(jīng)網(wǎng)絡出現(xiàn)的收斂速度慢、易陷入局部最優(yōu)、泛化性能不佳的問題，提