[發明專利]一種基于微分聲門波模型的語音變調變嗓音方法

有效

• 申請號: 201810083797.4
• 申請日: 2018-01-29
• 公開（公告）號: CN108281150B
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 周林燦;申炎仃;黃昭鳴;孫海霞
• 申請（專利權）人: 上海泰億格康復醫療科技股份有限公司
• 主分類號: G10L19/04
• 分類號: G10L19/04;G10L19/087;G10L19/18;G10L19/26;G10L21/013;G10L25/45
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于微分聲門波模型的語音變調變嗓音方法，其特征在于，該方法具體包括以下步驟：

Step1：采集的語音信號記為S，采樣頻率記為fs，對S進行預處理，包括：去除直流分量、預濾波、預加重、歸一化一系列處理，得到預處理后的信號S1；其中預加重系數k1范圍為-1.0k1-0.90；預濾波器為帶通濾波器記為lvboqi1，主要參數為：通帶頻率范圍60Hz～2000Hz，阻帶范圍55Hz～3400Hz；

Step2：對S1加窗分幀后得S2；其中窗函數為矩形窗，分幀參數為：分段時長初步取tms，t范圍10～30，精確值為t×fs；幀長、幀移、幀疊分別記為wlen、inc、overlap，wlen＝t×fs，inc＝wlen×k2，k2范圍為1/5～1/2，幀疊overlap＝wlen-inc，總幀數fn＝fix((N-wlen)/inc)+1，其中N為信號的長度，fix為取整；

Step3：對S2逐幀進行靜音幀、清音幀和濁音幀的判別；判別步驟如下：

Step3.1：逐幀計算短時平均能量，記為amp_i；

Step3.2：逐幀計算短時平均過零率，記為zcr_i；

Step3.3：設置短時平均能量較高的閾值ampth1和較低的閾值ampth2；

Step3.4：設置短時平均過零率的閾值zcrth；

Step3.5：短時平均能量和短時平均過零率雙門限法進行判別：當amp_iampth1，該幀為濁音幀；當amp_iampth2，該幀為靜音幀；當ampth2amp_iampth1，若zcr_izcrth，該幀為清音幀，若zcr_izcrth，該幀為清音幀；

Step4：基音周期估計：提取基音頻率f0_i和基音周期T0_i，根據基音改變參數計算新的基音頻率Nf0_i和基音周期NT0_i，下標i＝1～fn，fn為總幀數；基因周期的估計步驟如下：

Step4.1：將預處理后的信號S1通過帶通濾波器記為lvboqi2得S31，濾波器的主要通帶頻率范圍為60Hz～500Hz，阻帶范圍為20Hz～2000Hz，通帶波紋為x1dB，范圍1≦x1≦5，阻帶衰減為x2dB，30≦x2≦60；

Step4.2：對S31按wlen和inc加矩形窗分幀，得S32；

Step4.3：對S32中的濁音幀加漢明窗，用三電平削波法削波、互相關函數法求取基音周期T0_i和基音頻率f0_i；

Step4.4：對超出基頻范圍f0_i記為0，對應的T0_i記為0；處理后的T0_i和f0_i進行平滑處理得穩定的基音頻率Dfreq和基音周期Dpitch；

Step4.5：新的基音頻率Dfreqm＝Dfreq×rate，基音周期Dpitchm＝Dpitch/rate，其中rate指新的基音頻率是原基音頻率的倍數；

Step5：依據言語產生的源濾波器模型理論，通過線性預測分析技術和逆濾波技術來估計殘差信號e_i和聲道模型參數；具體步驟如下：

Step5.1：對分幀后的語音信號S2加漢明窗得S21；

Step5.2：對S21逐幀估計聲道模型參數：先用1階LPC分析估計聲門脈沖對語音信號頻譜的傾斜效應，通過逆濾波得到消除傾斜效應后的信號S22，再對S22進行高階LPC分析，得到聲道傳遞系數ar_i和增益Gain_i；

Step5.3：對殘差信號e_i的估計：使S21通過ar_i構成的逆濾波器即得e_i；

Step6：按照變調和變嗓音的要求逐幀合成新的激勵NG_i：靜音幀的激勵按隨機噪聲合成，清音幀的激勵按高斯白噪聲合成，濁音幀的激勵按LF模型的積分函數即微分聲門波函數，改變同一時間內的基音周期個數來實現變調，改變微分聲門波模型中關于聲門開合速度的參數，實現嗓音模擬效果，在新的基音周期基礎上合成；合成步驟如下：

Step6.1：將e_i通過濾波器lvboqi2，得微分聲門波信號LF_i；

Step6.2：從LF_i提取單周期信號LF0_i

Step6.3：對LF0_i進行數值積分得聲門波信號G0_i；

Step6.4：計算聲門波模型函數表達式G；

微分聲門波模型函數表達式為當0tte，LF＝E0×exp(-k1×t)×sin(wg×t)，當tettc，LF＝-Ee×(exp(-k2×(t-te)))；則對微分聲門波模型函數積分可得微分聲門波模型函數表達式，即當0t≦te，G＝-(E0×exp(-k1×t)×cos(t×wg))/t，當tet≦tc，G＝(Ee×exp(-k2×(t-te)))/k2+C；其中，C為常數使得函數圖像在te處連續；E0為G0_i的正的最大值；Ee為G0_i的負的最大值的絕對值；wg＝pi/tp；te為Ee對應的時刻；tp為微分聲門波為0的時刻；tc＝Dpitchm_i/fs；k1＝|real(log(Ee/(E0×sin(wg×te))))/te)|，real為取實部；k2＝abs(Ee×(wg^2+k1^2)/(E0×(exp(k1×te)×(k1×sin(wg×te)-wg×cos(wg×te))+wg)))；

Step6.5：運用微分聲門波模型對G0_i擬合，得到擬合的聲門激勵信號GG_i；

Step6.6：對GG_i變調處理得到基音頻率改變的激勵信號；

Step6.7：考慮到激勵幀與幀間的連續性，引入一變量np，初始值為0，第i幀的激勵序列記為E_i(1：wlen)，有效序列即與下一幀不重疊的序列為E_i(1：inc)，單個周期聲門脈沖序列長度為n0，np為不足一周期的長度，下一幀激勵應接在np后，故下一幀激勵序列為E_i+1(np+1：np+wlen)，有效序列為E_i+1(np+1：np+inc)；為方便合成，幀激勵取E_i(np+1：np+wlen)，合成語音幀通過疊加得到相位連續的語音信號；

Step7：將新的激勵NG_i通過聲道模型系統函數構成的濾波器，合成各幀語音s0_i；

Step8：對各幀語音信號s0_i疊加，得到相位連續的、變調變嗓音合成語音SS。