數(shù)字波導(dǎo)網(wǎng)格模型及語音網(wǎng)格參數(shù)估計.pdf

1、數(shù)字波導(dǎo)網(wǎng)格是一種精確描述說話人發(fā)音器官的聲學(xué)模型，它最早應(yīng)用于聲音的合成。通過數(shù)字波導(dǎo)網(wǎng)格，人們能夠合成出自然度更高的語音。
　　 從語音中估計出數(shù)字波導(dǎo)網(wǎng)格的參數(shù)，是當前研究的熱點和難點。波導(dǎo)網(wǎng)格參數(shù)中包含了語音的內(nèi)容、說話人的個性特征等諸多信息，因此，從語音中估計出精確的參數(shù)，在語音識別、說話人識別等研究方面有很重大的意義的。然而，目前的參數(shù)估計研究中，仍存在著許多問題，比如需要借助某些照相設(shè)備或者假設(shè)一些與真實狀況不符的

2、條件等等；核磁共振成像(MRI)技術(shù)的使用，人在發(fā)音時聲門、聲道的狀態(tài)能夠被更精確地觀測到，但是實際操作起來難度很大。針對以上問題，本文做了以下幾方面工作。
　　 一、根據(jù)語音產(chǎn)生的聲學(xué)模型，詳細介紹了一維數(shù)字波導(dǎo)模型，并在傳統(tǒng)的離散化聲道長度的模型上作了改進，合成了可變聲道長度的語音，豐富了語音合成的理論。
　　 二、引入了聲門聲道濾波器(GVTF)的概念，比較了它和傳統(tǒng)聲道濾波器(VTF)的關(guān)系和區(qū)別。介紹了一種從元

3、音中提取GVTF、VTF和聲門波的算法，和傳統(tǒng)的LPC參數(shù)做了比較。本文首次在數(shù)字波導(dǎo)網(wǎng)格模型的基礎(chǔ)上提出了運用計算機程序自動提取GVTF參數(shù)的方法，并討論了其作為說話人識別參數(shù)的可行性。實驗證明，GVTF參數(shù)能夠較好的反映說話人的個性特征。
　　 三、驗證了提取到的參數(shù)的有效性。首次將提取到的GVTF參數(shù)應(yīng)用于說話人識別，在相同的GMM識別模型下，與傳統(tǒng)的MFCC參數(shù)作了比較。實驗證明，隨著信道的變化，GVTF參數(shù)比MFCC具