[發明專利]基于徑向基神經網絡的耳語音轉換為正常語音的方法

無效

• 申請號: 200910025321.6
• 申請日: 2009-03-10
• 公開（公告）號: CN101527141A
• 公開（公告）日: 2009-09-09
• 發明（設計）人: 陶智;趙鶴鳴;顧濟華;韓韜;陳大慶;許宜申;吳迪;張曉俊
• 申請（專利權）人: 蘇州大學
• 主分類號: G10L21/02
• 分類號: G10L21/02
• 代理公司: 蘇州創元專利商標事務所有限公司
• 代理人: 陶海鋒

1.一種基于徑向基神經網絡的耳語音轉換為正常語音的方法，包括訓練步驟和轉換步驟，其特征在于：

所述訓練步驟為，分別提取出相同發音內容的耳語音和正常語音的線譜對參數，使用徑向基神經網絡對耳語音、正常語音的線譜對參數進行訓練，捕獲耳語音、正常語音頻譜包絡的映射關系；

所述轉換步驟為，提取待轉換的耳語音的線譜對參數，使用已訓練好的徑向基神經網絡進行轉換，獲得對應于正常語音的線譜對參數，并使用線譜對參數合成器轉換出正常語音；

所述訓練步驟中，獲取耳語音的線譜對參數的方法為，獲取采樣率不低于10KHz的音頻文件，進行下列處理，

(1)預處理：先采用一階數字濾波器進行預加重處理，所述一階數字濾波器為H(z)＝1-uz^-1，式中，H是傳遞函數，z是z變換，u為預加重系數，其取值為0.9＜u＜1；

再進行分幀加窗處理，每幀時間長度為20～30毫秒，幀長取2的整數次方，幀移與幀長的比值為1/4～1/2，采用漢明窗進行加窗處理，

式中，n為加窗點，N為漢明窗的窗長，w為漢明窗；

(2)線譜對分析：對經過預處理后的耳語音提取線譜對參數(w_i、θ_i)，并且w_i、θ_i按下式關系排列：

0＜w₁＜θ₁＜…＜w_p/2＜θ_p/2＜π，

其中p為線性預測誤差濾波器傳遞函數的階數，a_k為線性預測系數，z為z變換，A為線性預測誤差濾波器；

獲取正常語音的線譜對參數時，其步驟與上述耳語音的處理步驟相同。

2.根據權利要求1所述的基于徑向基神經網絡的耳語音轉換為正常語音的方法，其特征在于：所述步驟(1)中，u的取值為0.937。

3.根據權利要求1所述的基于徑向基神經網絡的耳語音轉換為正常語音的方法，其特征在于：所述音頻文件的采樣率為10KHz，所述步驟(1)中，幀長為256點，幀移為128點。

4.根據權利要求1所述的基于徑向基神經網絡的耳語音轉換為正常語音的方法，其特征在于：所述步驟(2)中，p的取值為10～15的整數。

5.根據權利要求1所述的基于徑向基神經網絡的耳語音轉換為正常語音的方法，其特征在于：所述訓練步驟中，使用徑向基神經網絡，將耳語音的線譜對參數(w_i耳、θ_i耳)作為徑向基神經網絡輸入值x，正常語音的線譜對參數(w_i正、θ_i正)作為導師信號d，徑向基神經網絡的實際輸出為y，通過徑向基神經網絡的學習，得到基函數的中心和方差以及隱含層與輸出層間的權值，最后得到耳語音、正常語音頻譜包絡的映射關系。