[發(fā)明專利]一種基于混合高斯隨機過程的分簇語音轉(zhuǎn)換方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201410662811.8
• 申請日: 2014-11-19
• 公開（公告）號: CN104464744A
• 公開（公告）日: 2015-03-25
• 發(fā)明（設(shè)計）人: 徐寧;胡芳;蔣愛民;劉小峰
• 申請（專利權(quán)）人: 河海大學(xué)常州校區(qū)
• 主分類號: G10L21/007
• 分類號: G10L21/007
• 代理公司: 常州市科誼專利代理事務(wù)所 32225
• 代理人: 孫彬

1.一種分簇語音轉(zhuǎn)換方法，在于包括如下步驟：

步驟S100，訓(xùn)練階段，即將源、目標(biāo)語音數(shù)據(jù)分別進行特征參數(shù)提取后進行訓(xùn)練；以及

步驟S200，轉(zhuǎn)換階段，即將再次提取的源的特征參數(shù)與訓(xùn)練結(jié)果進行轉(zhuǎn)換，并合成得到重構(gòu)的語音數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的分簇語音轉(zhuǎn)換方法，其特征在于，所述步驟S100中將源、目標(biāo)語音數(shù)據(jù)分別進行特征參數(shù)提取的步驟包括：

步驟S110，語音分析，即對源、目標(biāo)語音數(shù)據(jù)分別進行語音分解；

步驟S120，參數(shù)預(yù)處理，即提取經(jīng)語音分解后的源、目標(biāo)語音數(shù)據(jù)的特征參數(shù)，并將兩特征參數(shù)對齊；以及

步驟S130，特征參數(shù)訓(xùn)練，將兩特征參數(shù)進行混合高斯隨機過程訓(xùn)練。

3.根據(jù)權(quán)利要求2所述的分簇語音轉(zhuǎn)換方法，其特征在于，所述步驟S110中對源、目標(biāo)語音數(shù)據(jù)分別進行語音分解的步驟包括：

步驟S111，對源或目標(biāo)的語音信號進行固定時長的分幀，用互相關(guān)法對基音頻率進行估計，以獲得濁音、清音信號；以及

步驟S112，在濁音信號設(shè)置一個最大濁音頻率分量，用來劃分諧波成分和隨機成分的主能量區(qū)域；再利用最小二乘算法估計得到離散的諧波幅度值和相位值。

4.根據(jù)權(quán)利要求3所述的分簇語音轉(zhuǎn)換方法，其特征在于，所述步驟S120中提取特征參數(shù)的方法包括：通過提取源、目標(biāo)語音數(shù)據(jù)中的濁音特征參數(shù)和清音特征參數(shù)，以獲得所述源或目標(biāo)的語音數(shù)據(jù)的特征參數(shù)；其中

提取所述濁音特征參數(shù)的步驟包括：

步驟S121，對步驟S112中得到的諧波幅度求取平方；

步驟S122，根據(jù)功率譜密度函數(shù)和自相關(guān)函數(shù)的一一對應(yīng)關(guān)系，得到關(guān)于濁音線性預(yù)測系數(shù)的托普里茨矩陣方程，求解該方程獲得所述濁音線性預(yù)測系數(shù)；

步驟S123，將所述濁音線性預(yù)測系數(shù)轉(zhuǎn)換為濁音線性譜頻率系數(shù)，該系數(shù)即為濁音特征參數(shù)；以及

提取所述清音特征參數(shù)的方法包括：在清音信號，利用線性預(yù)測分析法對其進行分析，從而得到清音線性預(yù)測系數(shù)；再將所述清音線性預(yù)測系數(shù)轉(zhuǎn)換為清音線性譜頻率系數(shù)，該系數(shù)即為清音特征參數(shù)。

5.根據(jù)權(quán)利要求4所述的分簇語音轉(zhuǎn)換方法，其特征在于，所述步驟S120中對兩特征參數(shù)對齊的步驟包括：

步驟S124,對于源和目標(biāo)的特征參數(shù)，利用動態(tài)時間規(guī)整算法將其中一特征參數(shù)的時間軸非線性的映射到另一特征參數(shù)的時間軸上，實現(xiàn)一一對應(yīng)的匹配；

步驟S125,在對齊的過程中，通過迭代優(yōu)化一個預(yù)設(shè)的累積失真函數(shù)，并限制搜索區(qū)域，以獲得時間匹配函數(shù)。

6.根據(jù)權(quán)利要求5所述的分簇語音轉(zhuǎn)換方法，其特征在于，所述步驟S130中將特征參數(shù)訓(xùn)練的步驟包括：

步驟S131，構(gòu)建具有混合結(jié)構(gòu)的高斯隨機過程模型；

步驟S132，用馬爾科夫鏈蒙特卡洛方法來近似估計所述高斯隨機過程模型的參數(shù)，即該參數(shù)和隸屬標(biāo)識變量的聯(lián)合后驗概率密度函數(shù)；

步驟S133，對概率密度函數(shù)進行迭代邊緣化，分別得到對隸屬標(biāo)識變量概率分布和模型參數(shù)的概率分布的估計，以確定混合高斯隨機過程的結(jié)構(gòu)參數(shù)。

7.根據(jù)權(quán)利要求6所述的分簇語音轉(zhuǎn)換方法，其特征在于，所述步驟S200中將再次提取的源的特征參數(shù)的方法與步驟S100中源語音數(shù)據(jù)的特征參數(shù)提取的方法相同，且將該再次提取的源的特征參數(shù)與訓(xùn)練結(jié)果進行轉(zhuǎn)換的步驟包括：

步驟S210，根據(jù)再次提取的源的特征參數(shù)，以及訓(xùn)練好的混合高斯隨機過程的結(jié)構(gòu)參數(shù)，求取當(dāng)前語音幀的隸屬度函數(shù)值；

步驟S220，在每一個分簇的混合成份的子空間中，根據(jù)混合高斯隨機過程產(chǎn)生與之相對應(yīng)的輸出結(jié)果；

步驟S230，將各輸出結(jié)果疊加，其權(quán)系數(shù)為隸屬度函數(shù)的值，最終得到映射后的特征參數(shù)。

8.根據(jù)權(quán)利要求7所述的分簇語音轉(zhuǎn)換方法，其特征在于，所述步驟S200中合成得到重構(gòu)的語音數(shù)據(jù)的步驟包括：

將在上述步驟S230得到的特征參數(shù)中的濁音信號的離散諧波幅度和相位值用作正弦信號的幅度值和相位值進行疊加后，與通過一個全極點濾波器將清音信號進行疊加，得到重構(gòu)的語音數(shù)據(jù)。