基于線譜對特征的參數(shù)化統(tǒng)計語音合成技術研究.pdf

1、基于隱馬爾可夫模型(HMM)的語音合成方法，作為參數(shù)化統(tǒng)計語音合成(SPSS)的一種典型實現(xiàn)，因為其系統(tǒng)構建自動快速、靈活度高、合成效果穩(wěn)定等優(yōu)點，成為目前一種主流的語音合成方法。基于HMM的參數(shù)語音合成方法中的一個關鍵問題，即是譜特征建模參數(shù)的選擇。線譜對(LSP)類參數(shù)由于其良好的內插性，單維LSP偏差造成的譜失真的局部性，以及其與譜包絡共振峰的聯(lián)系緊密，近年來成為在各HMM語音合成系統(tǒng)中流行采用的譜特征建模參數(shù)。
　　隨著L

2、SP類參數(shù)在HMM語音合成中的廣泛應用，統(tǒng)計模型預測生成的LSP類參數(shù)的穩(wěn)定性成為一個重要的研究課題。另外，LSP參數(shù)、Mel頻率后的LSP參數(shù)(Mel-LSP)和基于Mel廣義倒譜分析的LSP參數(shù)(MGC-LSP)等和傳統(tǒng)使用的Mel倒譜(MCEP)參數(shù)在相同HMM語音合成系統(tǒng)中的合成表現(xiàn)比較尚未有系統(tǒng)科學的比較研究。對此，本論文對HMM預測生成的LSP類參數(shù)的保序性及其與MCEP參數(shù)進行合成的質量對比，進行了深入而系統(tǒng)的研究。本論文

3、具體的研究工作和研究成果如下：
　　首先，本論文對基于LSP的語音譜分析理論、參數(shù)化統(tǒng)計語音合成的系統(tǒng)框架和關鍵技術以及LSP在HMM語音合成中的應用進行分析和研究。在介紹Mel廣義倒譜(MGC)統(tǒng)一譜分析理論和MGC-LSP概念的基礎上，分析基于LSP類特征的語音譜特點。在對HMM語音合成系統(tǒng)進行簡介的基礎上，研究結合動態(tài)特征和全局方差的最大似然參數(shù)生成算法，并討論LSP類參數(shù)作為譜特征在HMM語音合成中的應用情況和主要改進方法

4、。
　　其次，本論文針對HMM語音合成中LSP參數(shù)的穩(wěn)定性問題，提出基于最大似然準則的LSP保序性生成算法。論文分析統(tǒng)計模型預測生成的LSP參數(shù)無法保持順序特性的根本原因，研究全局方差(GV)似然等對LSP順序性的影響。在最大似然參數(shù)生成(MLPG)算法的基礎上，設計生成LSP參數(shù)亂序的懲罰函數(shù)，并將其結合到傳統(tǒng)的參數(shù)生成算法中。進行參數(shù)生成時在最大化傳統(tǒng)的HMM和GV似然的同時，將最小化提出的LSP亂序懲罰，使得生成的LSP參數(shù)

5、具有更好的保序性，從而提高合成語音的質量。
　　最后，本論文針對MCEP、LSP、Mel-LSP和MGC-LSP四種HMM語音合成中經(jīng)常采用的譜特征參數(shù)，結合考慮GV似然的參數(shù)生成方法和基于LSP類特征的共振峰增強等改進技術，系統(tǒng)地對其合成效果進行評測。本論文在對四種譜特征參數(shù)從理論上進行分析和比較各自性質的基礎上，針對目前關于不同譜特征參數(shù)合成情況的已有結論和依然欠缺的結論，提出四個具體的評測任務，并分別設計的相應的評測方法，并