基于RBF神經(jīng)網(wǎng)絡(luò)的漢語耳語音轉(zhuǎn)換為正常語音的研究.pdf

1、耳語音是一種有別于正常語音的發(fā)音模式。人們?yōu)榱瞬挥绊懰嘶虮ＷC對話的保密性常使用耳語音。由于耳語發(fā)音的特殊性和受對話環(huán)境的影響，耳語發(fā)音不僅信噪比低而且可懂度和清晰度都很差，這既影響了對話的質(zhì)量，又易使人產(chǎn)生疲勞。耳語音轉(zhuǎn)換為正常語音可以解決這個問題。另外，此項技術(shù)也可用于幫助嗓音病人或發(fā)音功能不正常者進(jìn)行正常的語音交流。 本文主要研究了基于RBF神經(jīng)網(wǎng)絡(luò)的耳語音轉(zhuǎn)換為正常音的算法。主要工作包括： 在研究了耳語發(fā)音特點的

2、基礎(chǔ)上，對已有的轉(zhuǎn)換方法如線性預(yù)測法、同態(tài)信號處理法作了研究。發(fā)現(xiàn)轉(zhuǎn)換語音的可懂性和自然度都不高。 針對耳語音特征參數(shù)較正常語音發(fā)生了變化的特點，提出采用能夠以任意精度逼近任意連續(xù)函數(shù)的徑向基神經(jīng)網(wǎng)絡(luò)建立耳語音到正常語音的頻譜包絡(luò)映射關(guān)系，用以修正耳語音的線譜對參數(shù)。 首先對耳語音以及正常語音進(jìn)行端點檢測和聲韻分割；分別提取耳語音以及正常語音韻母部分的線譜對參數(shù)，將耳語音的線譜對參數(shù)作為徑向基神經(jīng)網(wǎng)絡(luò)的輸入信號，正常語音

3、的線譜對參數(shù)作為徑向基神經(jīng)網(wǎng)絡(luò)的導(dǎo)師信號，通過訓(xùn)練建立耳語音到正常語音的轉(zhuǎn)換模型；再通過此模型修正耳語音的線譜對參數(shù)，和語音基頻平均值一起輸入到線譜對參數(shù)合成器中；最后再和耳語音的聲母連接，輸出正常語音。 對幾種耳語音的轉(zhuǎn)換方法進(jìn)行了仿真實驗，分別采用主觀以及客觀的方法對轉(zhuǎn)換語音進(jìn)行了評價。實驗結(jié)果表明采用本文方法轉(zhuǎn)換的耳語音MOS得分為3.5，頻譜失真距離變小。在可懂度和音質(zhì)方面均達(dá)到了比較好的效果。 最后提出了本方法