[發(fā)明專利]基于Mel-KSVD稀疏表示的自適應(yīng)內(nèi)插加權(quán)譜模型的語音轉(zhuǎn)換及重構(gòu)方法

有效

• 申請?zhí)枺?/td>: 201310211046.3
• 申請日: 2013-05-29
• 公開（公告）號: CN103345920A
• 公開（公告）日: 2013-10-09
• 發(fā)明（設(shè)計）人: 湯一彬;沈媛;朱昌平;周浩;高遠(yuǎn);單鳴雷;姚澄
• 申請（專利權(quán)）人: 河海大學(xué)常州校區(qū)
• 主分類號: G10L13/02
• 分類號: G10L13/02;G10L21/047
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

技術(shù)領(lǐng)域

本發(fā)明屬于語音信號處理領(lǐng)域，涉及一種語音轉(zhuǎn)換和重構(gòu)模型，特別涉及一種基于Mel-KSVD稀疏表示的自適應(yīng)內(nèi)插加權(quán)譜模型的語音轉(zhuǎn)換及重構(gòu)方法。?

背景技術(shù)

語音參數(shù)化和重構(gòu)是一個重要且具有一定挑戰(zhàn)性的問題,其對應(yīng)的語音分析-合成系統(tǒng)被廣泛用于各種領(lǐng)域，如語音編碼、轉(zhuǎn)換等。?

在H.Kawahara等人在1999年4月發(fā)表的“基于自適應(yīng)內(nèi)插加權(quán)譜模型的語音轉(zhuǎn)換及重構(gòu)方法”文獻(xiàn)中表明，基于自適應(yīng)內(nèi)插加權(quán)譜的語音轉(zhuǎn)換及重構(gòu)模型，拋棄了傳統(tǒng)語音模型中聲門、聲道的構(gòu)造，直接提取語音的功率譜,獲得了高質(zhì)量的語音合成效果。其逐漸成為目前主流的語音分析合成模型，廣泛應(yīng)用在語音合成、語音轉(zhuǎn)換等各方面。其采用以VOCODER為原型的源濾波器的思想來表征語音信號，把語音信號看作激勵信號通過時變線性濾波器后輸出的結(jié)果。在分析得到各幀的語音功率譜后，對該功率譜進(jìn)行時頻域上的平滑處理，同時在時間軸和頻率軸上進(jìn)行過采樣，保證合成階段對語音的高質(zhì)量重構(gòu)。?

近幾年來，稀疏表示理論得到了很快的發(fā)展，并應(yīng)用于諸多領(lǐng)域，如：圖像降噪、盲源分離、語音增強(qiáng)等。上述的應(yīng)用都是為了獲得稀?疏域的相關(guān)稀疏系數(shù)，來表征語音信號的內(nèi)在特征。STRAIGHT模型本身也存在一些缺陷。經(jīng)過STRAIGHT模型提取出的平滑功率譜包絡(luò)參數(shù)具有相當(dāng)?shù)娜哂嘈畔ⅲ撃Ｐ椭档酶M(jìn)一步的完善。但是，學(xué)者們很少關(guān)注STRAIGHT模型的改進(jìn)，因此，如何將STRAIGHT模型與稀疏表示理論相結(jié)合，進(jìn)一步壓縮模型參數(shù)，成為制約該模型進(jìn)一步應(yīng)用和發(fā)展的一個重要問題。?

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述問題，提供一種基于Mel-KSVD稀疏表示的自適應(yīng)內(nèi)插加權(quán)譜模型的語音轉(zhuǎn)換及重構(gòu)方法，實現(xiàn)在保持合成語音質(zhì)量基本不變的同時，將STRAIGHT模型與稀疏表示理論相結(jié)合，使模型輸出參數(shù)得到進(jìn)一步的壓縮，減少參數(shù)的傳遞的個數(shù)，減小STRAIGHT模型計算量，從而提高語音的合成質(zhì)量。?

本發(fā)明的技術(shù)方案從以下方面考慮：STRAIGHT模型是一種基于功率譜的語音模型。其平滑功率譜參數(shù)為一種經(jīng)過時頻域補(bǔ)償后的功率譜，具有一定的冗余信息。因此可通過Mel-KSVD的方法壓縮模型的輸出參數(shù)，對其進(jìn)行稀疏表示，根據(jù)得到的稀疏系數(shù)合成語音并最終達(dá)到減少參數(shù)的傳遞的個數(shù)，減小STRAIGHT模型計算量的目的。?

本發(fā)明的技術(shù)方案如下：?

基于Mel-KSVD稀疏表示的自適應(yīng)內(nèi)插加權(quán)譜模型的語音轉(zhuǎn)換及重構(gòu)方法，其特征在于，利用Mel-KSVD的方法對經(jīng)過STRAIGHT分析模型提取的平滑功率譜參數(shù)進(jìn)行稀疏表示，包含以下步驟：?

(1)輸入待合成語音信號，將語音信號通過STRAIGHT分析模型?提取平滑譜：首先采用時頻補(bǔ)償法提取功率譜，接著再對功率譜進(jìn)行低頻帶補(bǔ)償和過平滑補(bǔ)償，最后對功率譜的無音幀進(jìn)行處理，以得到平滑功率譜，平滑功率譜的參數(shù)構(gòu)成一數(shù)據(jù)矩陣，設(shè)為Y＝[y₁,...,y_M]；?

（2）提取出的平滑功率譜參數(shù)通過美爾濾波器后進(jìn)行字典的訓(xùn)練，再利用Mel-KSVD算法對式：約束條件為?進(jìn)行參數(shù)D和X的優(yōu)化求解，?

其中M為美爾濾波器組的系數(shù)矩陣，Y＝[y₁,...,y_M]表示功率譜參數(shù)矩陣，D＝[d₁,...,d_K]為目標(biāo)訓(xùn)練字典，d_i表示字典的一個原子，x_k為y_k在D上投影的稀疏矢量，X＝[x₁,...,x_M]，||·||_F為Frobenius范數(shù)，||·||₀為0范數(shù)；?

（3）利用優(yōu)化出的目標(biāo)訓(xùn)練字典和通過美爾濾波器和Mel-KSVD算法對STRAIGHT分析模型得到的待合成語音的平滑譜參數(shù)進(jìn)行稀疏表示得到的稀疏矢量x_k，并將得到的稀疏系數(shù)矩陣X＝[x₁,...,x_M]通過STRAIGHT合成模型進(jìn)行語音的合成；通過對功率譜參數(shù)矩陣進(jìn)行估計來進(jìn)行語音的合成，估計矩陣為求解公式為k＝1,2,...,M。?

進(jìn)一步的技術(shù)方案包括：?

步驟（2）所述的算法對式約束條件為?進(jìn)行D和X的優(yōu)化求解，按如下步驟進(jìn)行：?