[發明專利]語音分析方法和裝置以及語音合成方法和裝置

有效

• 申請號: 200710092294.5
• 申請日: 2007-04-04
• 公開（公告）號: CN101281744A
• 公開（公告）日: 2008-10-08
• 發明（設計）人: 孟繁平;雙志偉;蔣丹寧;秦勇
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G10L13/02
• 分類號: G10L13/02
• 代理公司: 北京市中咨律師事務所
• 代理人: 于靜;張亞非

1.?一種語音分析方法，包括以下步驟：

獲取語音信號和相應的DEGG/EGG信號；

將所述語音信號視為聲源-濾波器模型中以所述DEGG/EGG信號為輸入的聲道濾波器的輸出；以及

由作為輸出的所述語音信號和作為輸入的所述DEGG/EGG信號估計所述聲道濾波器的特征。

2.?根據權利要求1的語音分析方法，其中所述聲道濾波器特征由所述聲道濾波器在選定時間點的狀態向量表示，且所述估計步驟是使用卡爾曼濾波完成的。

3.?根據權利要求2的語音分析方法，其中所述卡爾曼濾波基于：

狀態方程

x_k＝x_k-1+d_k，和

觀測方程

v_k＝e_k^Tx_k+n_k，

其中，x_k＝[x_k(0)，x_k(1)，...，x_k(N-1)]^T表示待估計的、聲道濾波器在k時間點上的狀態向量，其中x_k(0)，x_k(1)，...，x_k(N-1)表示所述聲道濾波器在時間點k的預期單位沖激響應的N個樣本；

d_k＝[d_k(0)，d_k(1)，...，d_k(N-1)]^T表示在時間點k添加到狀態向量的擾動；

e_k＝[e_k，e_k-1，...，e_k-N+1]^T是一向量，其中元素e_k表示在時間點k輸入的DEGG信號；

v_k表示在時間點k輸出的語音信號；以及

n_k表示在時間點k添加到所述輸出的語音信號的觀測噪聲。

4.?根據權利要求3的語音分析方法，其中所述卡爾曼濾波為包括前向濾波和后向濾波的雙向卡爾曼濾波，其中，

所述前向卡爾曼濾波包括以下步驟：

前向預估：

x_k~＝x_k-1^＊，

P_k~＝P_k-1+Q

修正：

K_k＝P_k~e_k[e_k^TP_k~e_k+r]^-1

x_k^＊＝x_k~+K_k[v_k-e_k^Tx_k~]

P_k＝[I-K_ke_k^T]P_k~

前向遞歸

k＝k+1；

所述后向卡爾曼濾波包括以下步驟：

后向預估：

x_k~＝x_k+1^＊，

P_k~＝P_k+1+Q

修正：

K_k＝P_k~e_k[e_k^TP_k~e_k+r]^-1

x_k^＊＝x_k~+K_k[v_k-e_k^Tx_k~]

P_k＝[I-K_ke_k^T]P_k~

后向遞歸

k＝k-1；

其中，x_k~表示時間點k的狀態預估值，x_k^＊表示時間點k的狀態修正值，P_k~表示估計誤差的協方差矩陣的預估值，P_k表示估計誤差的協方差矩陣的修正值，Q表示擾動d_k的協方差矩陣，K_k表示卡爾曼增益，r表示觀測噪聲n_k的方差，I表示單位矩陣；并且

所述雙向卡爾曼濾波的估計結果為所述前向卡爾曼濾波的估計結果與所述后向卡爾曼濾波的估計結果按以下公式的結合：

P_k＝(P_k+^-1+P_k-^-1)^-1，

x_k^＊＝P_k(P_k+^-1x_k+^＊+P_k-^-1x_k-^＊)，

其中P_k+、x_k+分別為由前向卡爾曼濾波所得的聲道濾波器的狀態估計值和該估計的協方差，P_k-、x_k-分別為由后向卡爾曼濾波所得的聲道濾波器的狀態估計值和狀態估計的協方差。