[發明專利]一種基于LPC及RBF神經網絡的聲音轉換的方法

無效

• 申請號: 201210229540.8
• 申請日: 2012-07-04
• 公開（公告）號: CN102737628A
• 公開（公告）日: 2012-10-17
• 發明（設計）人: 張欽宇;潘振鵬;林威;王喆;付東松;張勇勇;黃立偉
• 申請（專利權）人: 哈爾濱工業大學深圳研究生院
• 主分類號: G10L11/00
• 分類號: G10L11/00;G10L13/00;G10L21/02
• 代理公司: 深圳市科吉華烽知識產權事務所 44248
• 代理人: 胡吉科

技術領域

本發明涉及語音信號處理領域，尤其涉及一種基于LPC及RBF神經網絡的聲音轉換的方法。

背景技術

對語音信號的處理，主要有三種方案：

1、基于矢量量化的碼本映射技術實現方案

用矢量量化算法將源說話人和目標說話人的聲學特征空間進行劃分，用動態時間規整算法將源-目標特征矢量相關聯，從而訓練出一個源到目標說話人的映射碼本。缺陷：盡管計算量較低，但是由于矢量量化作用造成的頻譜的不連續性，轉換語音質量還很低。

2、基于線性多變量回歸的局部函數轉換技術實現方案

說話人語音頻譜空間由矢量量化劃分成許多不同的子空間，每一個空間都訓練一個局部函數，每個局部函數都表述了某一個聲學空間源-目標說話人特征之間的關系，這樣碼本映射方案中的全局映射就被這些局部函數來近似。缺陷：這種局部空間轉換的方法可以產生無窮多目標特征量。然而由于選擇單個局部轉換函數的離散性還存在，不連貫性仍然出現在輸出語音中。

3、基于高斯混合模型的聯合概率分布技術實現方案

通過概率的方法，采用高斯混合模型描述源-目標特征的聯合概率分布，尋找轉換函數來預測目標語音特征。這種技術比碼本映射和局部函數變換有效性、魯棒性也較好，理論上能使回歸問題的混合成分得到更合理的配置。缺陷：這種技術在進行運算時計算量較大,而且存在轉換語音頻譜過分光滑現象,影響了轉換語音目標說話人特征的傾向性。

發明內容

本發明解決的技術問題是：在已有的語音轉換技術方案中，要么轉換語音質量較低，要么計算量過大，本發明設計出一種高質量、計算量適中的語音轉換技術方案。

本發明解決現有技術中存在的問題所采用的技術方案為：提供一種基于LPC及RBF神經網絡的聲音轉換的方法，所述方法包括以下步驟：

A、對語音進行預處理；

?B、對濁音幀進行基頻檢測；

C、對基頻檢測后的濁音幀進行轉換；

D、對轉換后的基頻進行濁音幀參量的提取；

E、對提取到的濁音幀參量進行計算，求得一幀濁音幀，然后對該一幀濁音幀進行合成，得到轉換后的濁音幀。

本發明的進一步技術方案是：所述A步驟還包括以下分步驟：

A1：從待轉換語音中進行分幀；

A2:?運用判斷方法對該幀進行清音和濁音的判斷。

本發明的進一步技術方案是：所述A2步驟中，所述判斷方法包括幀能量和幀過零率，幀能量的計算公式如下：

其中：x(m)為幀中第m個語音點的值，N為該幀的點數，E為幀能量，?Ta為此函數的定義域m的閥值；

幀過零率的計算公式為：

?

其中：z為幀過零率，Tb為此函數的定義域m的閥值；計算出每幀的能量和過零率。通過此公式計算出每幀的能量和過零率，若幀能量大于一定的閥值Ta且過零率小于一定的閥值Tb，判定為濁音幀；否則，判定為清音幀。例如，假設Ta為語音的最大幀能量的10%，Tb約為120。當某一幀的能量大于Ta，過零率小于Tb時，判別為濁音幀，否則，為清音幀。由于語音信號具有清音部分能量低、濁音部分能量高，清音部分過零率高、濁音部分過零率低的特點。

本發明的進一步技術方案是：所述B步驟中，對濁音幀進行基頻檢測是運用平均幅度差函數AMDF來檢測的，其計算公式為：

其中：?l為偏移量。為避免偏移量過小，l的最小取值可設為10，最大取值原則上不超過該幀的點數的一半，可設為N/2；當l等于基頻整數倍時，其平均幅度差函數AMDF值r(l)將達到極小值，尤其是當l等于基頻時，取得最小值；因此，通過求得l的最小值，從而檢測基頻。

本發明的進一步技術方案是：所述D步驟中，對濁音幀進行參量的提取，是用自相關法從最低價線性預測器開始，由低階到高階進行逐階遞推計算，求得濁音幀第P階LPC系數，根據該濁音幀LPC系數求得該濁音幀LSF系數。

本發明的進一步技術方案是：對源說話者與目標說話者的多個相同訓練語音的濁音幀，分別提取出多組相對應LSF系數，獲得轉換后的LSF系數，再求得轉換后的LPC系數。