2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩62頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、語音轉(zhuǎn)換技術(shù)是語音信號處理一個比較新的研究方向,也是近年來語音研究的熱點。說話人的語音轉(zhuǎn)換是指在不改變語音內(nèi)容的情況下,使源說話人的聲音轉(zhuǎn)換為目標(biāo)說話人的聲音。本文研究實現(xiàn)源.目標(biāo)說話人語音轉(zhuǎn)換相關(guān)的具體有效的算法,并使用MATLAB進行了編程實驗,結(jié)果良好。
   對聲道譜參數(shù)和韻律特征的轉(zhuǎn)換是聲音轉(zhuǎn)換的關(guān)鍵技術(shù)之一。由于人耳對低頻的聲音信號比較敏感,而清音屬于高頻語音,對人的聽覺貢獻較小,所以本文主要對語音的濁音信號進行分析

2、,于是清濁音判別對語音的后續(xù)處理極為重要。本文對傳統(tǒng)的過零率和能量兩參量判別方法進行了改進,使用零能比、零能積和自相關(guān)函數(shù)的能量的三參量組合判決方法進行語音的清/濁音判別。
   在對聲道譜參數(shù)進行轉(zhuǎn)換時,本文使用混合高斯模型對聲道譜參數(shù)建立連續(xù)概率模型,對訓(xùn)練數(shù)據(jù)進行了軟分類。根據(jù)不同子類對頻譜特征轉(zhuǎn)換的貢獻大小,賦予不同的加權(quán)系數(shù),用加權(quán)線性轉(zhuǎn)換方法,對頻譜包絡(luò)特征進行轉(zhuǎn)換。在訓(xùn)練GMM模型前,由于源、目標(biāo)特征參數(shù)向量的序列

3、參數(shù)不同,本文使用了動態(tài)時間規(guī)整算法對特征參量序列進行對齊。本文將基于高斯混合模型加權(quán)線性轉(zhuǎn)換與基于硬分類法的LMR轉(zhuǎn)換,并比較了不同混合度下,距離測度的訓(xùn)練誤差與測試誤差。實驗結(jié)果表明基于后驗概率混合高斯模型的加權(quán)線性變換表現(xiàn)出一定的優(yōu)越性。在對韻律特征進行轉(zhuǎn)換時,本文將基音頻率建立高斯模型,在源-目標(biāo)說話人之間進行轉(zhuǎn)換。
   在轉(zhuǎn)換后使用時域基音同步疊加法對轉(zhuǎn)換語音的特征進行合成。使用ABX測試方法對轉(zhuǎn)換語音進行測試,實驗

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論