基于人工神经网络的语音转换技术研究

基于人工神经网络的语音转换技术研究

ID:32186174

大小:4.68 MB

页数:72页

时间:2019-02-01

基于人工神经网络的语音转换技术研究_第1页
基于人工神经网络的语音转换技术研究_第2页
基于人工神经网络的语音转换技术研究_第3页
基于人工神经网络的语音转换技术研究_第4页
基于人工神经网络的语音转换技术研究_第5页
资源描述:

《基于人工神经网络的语音转换技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、南京邮电大学硕士研究生学位论文摘要语音转换是指在不改变说话内容的前提下,实现源说话人声音向特定说话人声音的转换,其研究是在说话人识别和语音合成的研究基础上进行的,同时也是这两个领域的丰富和延拓,具有非常广阔的应用前景和理论研究价值,正逐渐成为语音处理领域的研究热点之一。本文主要研究语音转换技术的基本理论和方法,研究了语音韵律转换和谱包络转换的基本概念和方法,重点研究基于RBF网络的谱包络转换算法和基于BP网络的基音频率转换算法的原理和实现,论文的主要工作如下:首先,研究了传统RBF网络的结构和学习算法,并对网络的学习算法进行改进,通过引入减法聚

2、类(SC)算法,克服了K均值聚类算法对初始聚类中心的选择比较敏感和事先要确定聚类中心个数的问题:将具有全局最优特性的粒子群优化(PSO)算法代替最小均方误差(LMS)算法作为RBF网络输出层的学习算法,可以克服LMS算法可能收敛于局部最优的不足。实验结果表明将SC算法和POS算法分别应用到RBF网络的隐含层和输出层中,可以使转换后的谱包络更接近于目标语音的谱包络。其次,采用了PSO算法优化过的BP网络进行基音频率的转换,使得预测的基音频率曲线更接近目标说话人的基音频率曲线。PSO算法优化BP网络指的是网络中权值、阂值的修正不是按照传统BP算法中

3、由梯度下降法推导出来的公式来修正,而是按照PSO算法中的粒子速度、位置修正公式来修正。这种新的融合算法避免了梯度下降法导致的算法收敛速度慢和易陷入局部极小。最后,在基频曲线的转换均采用BP—PSO网络的情况下,谱包络的转换分别采用改进的RBF网络和传统的RBF网络,将这两种不同方案得到的语音进行了主客观对比。关键词:语音转换,人工神经网络,STRAIGHT模型,基音频率,频谱包络南京邮电大学硕士研究生学位论文ABSTRACTVoiceconversion(VC)algorithmsaimtomodifytheutteranceofasource

4、speakertosound鹤ifitwasutteredbytargetspeaker,whilepreservingtheoriginalmeaning.TheresearchofVCisbasedonspeakerrecognitionandvoicesynthesis,italsoenrichesandextendsthesetwofields.Thusitisavaluabletheoreticalresearchtopicandoffersanumberofusefulapplications,itisbecomingahotres

5、earchtopicinvoiceprocessing.Thispapermainlystudiesthebasictheoriesandmethodsofvoiceconversionaswellasthebasicconceptsandmethodsofspeechrhythmsandspectralenvelopeconversion.Itfocusesonthetheoryandimplementationofnetwork·basedRBFspectralenvelopeconversionalgorithmandBPnetworkb

6、asedonpitchfrequencyconversionalgorithm.Themainlyworkofthethesisareasfollows.Firstly,thepaperstudiesthetraditionalRBFnetworkstructureandlearningalgorithmandimprovesthenetworklearningalgorithm.Withtheintroductionofsubtractiveclustering(SC)algorithminthenetworkhiddenlayer,thea

7、lgorithmcanovercometheproblemsoftheKmeansclusteringalgorithmincludingitssensitivetothechooseofinitialclusteringcenterandneedlessofpredeterminingthenumberofclusteringcenter.InthetrainingofRBFnetworkoutputlayer,thispaperusesparticleswarliloptimization(PSO)algorithmwhichhasglob

8、aloptimalcharacteristicstoreplacetheleastmeansquareerror(LMS)algorithmaSits

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。