基于个性声学特征的语音转换算法研究

《基于个性声学特征的语音转换算法研究》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、西安建筑科技大学硕士学位论文基于个性声学特征的语音转换算法研究专业：信号与信息处理硕士生：赵渊指导教师：王民教授摘要语音转换是在维持原本说话者语音的含义不变的情形下，将其个性特征转换为目标说话者的个性特征，然后进行合成，使其与目标说话者的声音相似。本文主要是在研究个性声学特征的基础上，对传统的语音转换方法在转换中存在的不足进行改进和优化，具体内容有：1）由于高斯混合模型在对语音个性特征进行转换时，容易出现谱包络过平滑问题，对此文中提出一种将高斯混合模型(GaussianMixtureModel,GMM)和广义回归神经网络(Ge

2、neralizedRegressionNeuronNetwork,GRNN)相融合的语音转换模型。运用GRNN的非线性逼近能力将GMM模型参数集中的均值矢量进行映射，然后与GMM模型形成的转换规则中的均值矢量进行替换，得到新的映射关系。同时对韵律特征基频参数也进行转换，然后将频谱参数和基频参数进行联立转换，然后合成目标语音。最后通过实验仿真和性能测试表明：该方法有效的改善了转换中的过平滑问题，相比传统的GMM模型该方法转换后语音的质量更好，失真更少。2）针对粒子群算法优化广义回归神经网络对语音特征进行转换时容易产生局部收敛的问

3、题。提出采用一种新的量子粒子群算法(QuantumParticleSwarmOptimization,QPSO)优化GRNN网络的语音转换模型。该算法通过改变相位进而改变位置矢量，同时加入变异操作，有效的克服了局部收敛。因此首先利用量子粒子群对网络进行优化得到最佳的光滑因子参数，从而建立频谱映射规则。接着，利用频谱参数和基频参数的相关性，对韵律特征基频也进行转换，然后利用STRAIGHT模型进行合成。最后通过实验仿真和性能测试表明：与传统粒子群算法优化广义回归神经网络相比，该方法转换后语音的自然度和相似度得到提升，谱失真率下降

4、。文中提出的方法具有比RBF神经网络、GRNN模型、粒子群算法优化广义回归神经网络更好的语音转换性能。西安建筑科技大学硕士学位论文关键词：语音转换；高斯混合模型；量子粒子群；广义回归神经网络；STRAIGHT模型。论文类型：应用研究本课题得到国家自然科学基金(61373112)、住房城乡建设部科学技术项目计划(2016-R2-045)、陕西省自然科学研究面上项目(2014JM8343)的资助与西安市碑林区科研计划项目(GX1412)。西安建筑科技大学硕士学位论文Voiceconversionalgorithmbasedonth

5、eacousticcharacteristicsofpersonalitystudySpecialty:SignalandInformationProcessingGraduate:ZhaoYuanInstructor:Prof.WangMinAbstractThevoiceconversionistoconvertthepersonalitycharacteristicsofthesourcespeakerintothepersonalitycharacteristicsofthetargetspeakerwhilemain

6、tainingtheoriginalspeaker'sphoneticmeaningandthensynthesizeittomakeitsimilartothetargetspeaker'svoice.Inthispaper,basedonthestudyofthecharacteristicsofpersonalityacoustics,thispaperimprovesandoptimizestheshortcomingsoftraditionalvoiceconversionmethodsinthetransforma

7、tion.Thestudycontentsinclude:1)FortheGaussianmixtureiseasytooccurthephenomenonofoverlysmoothwhenittransformthecharacteristicsofvoiceastodegradedvoicesoundquality,weputforwardakindoftheconversionmodelwiththecombinationofGaussianMixtureModel(GaussianMixtureModel,GMM)a

8、ndGeneralizedRegressionneuralNetwork(GeneralizedRegressionNeuronNetwork,GRNN).GRNNisusedtomapthemeanvectorsoftheGMMmodelparametersetandthe