基于神經(jīng)網(wǎng)絡的語音轉換算法研究.pdf

1、語音轉換技術是一種將源說話人的聲音變?yōu)槟繕苏f話人聲音的技術。作為一門交叉性較強的學科，語音轉換技術目前已在文語轉換、醫(yī)療輔助和通信保密等方面已經(jīng)得到了重要應用，并且在其他領域展現(xiàn)出了廣泛的應用前景。語音轉換的研究不僅能加深信號處理領域的理論發(fā)展，而能夠加深其他與之交叉領域的研究進展。因此，語音轉換技術的研究在各個方面都表現(xiàn)出了重要的意義。
　　目前進行語音轉換時使用最多的模型是高斯混合模型（Gaussian Mixture Mod

2、el，GMM）和人工神經(jīng)網(wǎng)絡模型（Artificial Neural Networks,ANN）?？紤]到GMM模型存在過平滑和過擬合等問題，論文選用ANN模型進行語音轉換。ANN中的徑向基函數(shù)神經(jīng)網(wǎng)絡（Radial Basis Function，RBF）模型結構簡單，可以逼近任意非線性函數(shù)。而廣義回歸神經(jīng)網(wǎng)絡（Generalized Regression Neuron Network，GRNN）作為RBF的一種特例，其模型具有很強的非線

3、性映射能力、簡單的網(wǎng)絡結構和較高的魯棒性。
　　針對GRNN模型有且只有一個模型參數(shù)的特點，本文利用粒子群優(yōu)化算法（Particle swarm optimization,PSO）對其進行參數(shù)優(yōu)化，得到了PSO-GRNN模型。該模型不但可以減少人為參數(shù)選擇對轉換模型的影響，還可以提高網(wǎng)絡的學習能力。因此，論文中使用的ANN模型有RBF模型、GRNN模型和PSO-GRNN模型。實驗結果表明，基于PSO-GRNN模型的轉換語音比基于R

4、BF模型和GRNN模型的轉換語音更接近目標語音。
　　線性預測編碼（Linear Prediction Coding,LPC）模型在語音信號分解時對鼻音和爆破音描述的準確率不高，而STRAIGHT模型可以將語音信號分解得到彼此獨立的頻譜參數(shù)和基頻參數(shù)，并對這些參數(shù)進行語音重構。故本文使用STRAIGHT模型代替LPC模型對語音信號分解和合成，并進行了相應的語音轉換實驗。相似度測評結果表明，基于STRAIGHT和PSO-GRNN模型