基于人工神經(jīng)網(wǎng)絡(luò)的語(yǔ)音轉(zhuǎn)換技術(shù)研究.pdf

1、語(yǔ)音轉(zhuǎn)換是指在不改變說話內(nèi)容的前提下，實(shí)現(xiàn)源說話人聲音向特定說話人聲音的轉(zhuǎn)換，其研究是在說話人識(shí)別和語(yǔ)音合成的研究基礎(chǔ)上進(jìn)行的，同時(shí)也是這兩個(gè)領(lǐng)域的豐富和延拓，具有非常廣闊的應(yīng)用前景和理論研究?jī)r(jià)值，正逐漸成為語(yǔ)音處理領(lǐng)域的研究熱點(diǎn)之一。
　　 本文主要研究語(yǔ)音轉(zhuǎn)換技術(shù)的基本理論和方法，研究了語(yǔ)音韻律轉(zhuǎn)換和譜包絡(luò)轉(zhuǎn)換的基本概念和方法，重點(diǎn)研究基于RBF網(wǎng)絡(luò)的譜包絡(luò)轉(zhuǎn)換算法和基于BP網(wǎng)絡(luò)的基音頻率轉(zhuǎn)換算法的原理和實(shí)現(xiàn)，論文的主要工作

2、如下：
　　 首先，研究了傳統(tǒng)RBF網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)算法，并對(duì)網(wǎng)絡(luò)的學(xué)習(xí)算法進(jìn)行改進(jìn)，通過引入減法聚類(SC)算法，克服了K均值聚類算法對(duì)初始聚類中心的選擇比較敏感和事先要確定聚類中心個(gè)數(shù)的問題;將具有全局最優(yōu)特性的粒子群優(yōu)化(PSO)算法代替最小均方誤差(LMS)算法作為RBF網(wǎng)絡(luò)輸出層的學(xué)習(xí)算法，可以克服LMS算法可能收斂于局部最優(yōu)的不足。實(shí)驗(yàn)結(jié)果表明將SC算法和POS算法分別應(yīng)用到RBF網(wǎng)絡(luò)的隱含層和輸出層中，可以使轉(zhuǎn)換后

3、的譜包絡(luò)更接近于目標(biāo)語(yǔ)音的譜包絡(luò)。
　　 其次，采用了PSO算法優(yōu)化過的BP網(wǎng)絡(luò)進(jìn)行基音頻率的轉(zhuǎn)換，使得預(yù)測(cè)的基音頻率曲線更接近目標(biāo)說話人的基音頻率曲線。PSO算法優(yōu)化BP網(wǎng)絡(luò)指的是網(wǎng)絡(luò)中權(quán)值、閾值的修正不是按照傳統(tǒng)BP算法中由梯度下降法推導(dǎo)出來的公式來修正，而是按照PSO算法中的粒子速度、位置修正公式來修正。這種新的融合算法避免了梯度下降法導(dǎo)致的算法收斂速度慢和易陷入局部極小。
　　 最后，在基頻曲線的轉(zhuǎn)換均采用BP