基于GMM和碼本映射相結合的語音轉換方法研究.pdf

1、人體發(fā)出的語音中包含有各種各樣的信息，如說話人語義信息和說話人個性特征的信息等。經常需要用語音信號處理領域的相關知識來分析與處理其中包含的深層次信息。而語音轉換技術是近年來語音信號處理領域的一個新分支，也是目前語音信號處理領域的一個研究熱點。對語音轉換技術的研究主要是以語音的個性特征信息為切入點展開的。語音轉換技術就是對一個說話人的個性特征信息進行轉變，并保持語義信息不變，使其變?yōu)榱硪粋€特定目標說話人的個性特征信息。對語音轉換技術的研究

2、有助于推動語音信號處理其它領域不斷向前發(fā)展，甚至對目前比較熱門的智能家居及人工智能領域的研究起到促進作用。其具有廣闊的應用前景和巨大的理論研究價值。本文的主要工作如下：
　　從語音產生模型入手，介紹了發(fā)音系統(tǒng)的數(shù)學模型及常用的語音特征參數(shù)。并對語音轉換技術中的分析合成模型等基本理論進行了簡要介紹。提出利用KLD將源和目標特征參數(shù)進行對齊的方法，該方法減少了查找源和目標空間之間最近鄰域的搜索空間，也減少了計算量。
　　重點研究

3、了高斯混合模型以及矢量碼本映射兩種譜包絡轉換方法，分析了它們的優(yōu)缺點。針對用GMM轉換后語音的譜包絡過于平滑的現(xiàn)象，研究了利用碼本映射法對 GMM轉換函數(shù)中的均值項和相關項進行修正的方法，以此增大轉換特征的離散程度，進而改善轉換語音的質量。
　　研究了基音頻率變換方法。目前對基音頻率的變換基本上都是對基音頻率和聲道譜參數(shù)分開進行建模的，這必然會影響轉換后語音的音質。本文采用了基于徑向基函數(shù)網絡的基頻變換算法。該方法用徑向基函數(shù)網絡