[發明專利]一種語音時長規整系統及方法

有效

• 申請號: 201710192687.7
• 申請日: 2017-03-28
• 公開（公告）號: CN107068160B
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 陳喆;殷福亮;張鶴鳴
• 申請（專利權）人: 大連理工大學
• 主分類號: G10L21/00
• 分類號: G10L21/00;G10L21/04
• 代理公司: 大連格智知識產權代理有限公司 21238
• 代理人: 劉曉琴;張亞男

1.一種語音時長規整系統，其特征在于包括：

對輸入的語音信號通過自相關函數法進行基音周期計算的基音周期檢測單元；

根據基音周期檢測單元獲取的基音周期大小，將輸入的語音信號進行分幀的分幀單元；

根據基音周期檢測單元獲取的基音周期大小，通過變速系數計算獲取語音規整長度的規整長度計算單元；

根據規整長度計算單元計算出的語音規整長度，對分幀單元獲取的各幀信號通過正弦分解法改變各幀信號波形的重復長度的時長規整單元；

其中，規整單元進行規整的過程如下：

定義變速系數為α，定義第m幀信號x_m(n₃)規整后的長度為N_L_m，則

其中，L_m為x_m(n₃)的長度，表示與最接近且小于等于的整數；

使用正弦分解法改變信號波形的重復長度，具體過程如下：

其中，

x′_m(n₄)為正弦分解后的第m幀信號，x_m(n₃)為規整前的第m幀信號，L_m為x_m(n₃)的長度；展開項數I_m需要根據x_m(n₃)的特征進行自適應選取，n₄的取值范圍需要根據相位連續點的位置選取；

展開項數I_m的自適應選取過程如下：

第m幀信號x_m(n₃)的能量為

x_m(n₃)經正弦分解后的能量為

其中，a₀、a_i、b_i可分別由式(4)～式(6)求出，I為展開項數變量；S為定值，S′的值隨I的增加而增加；

經正弦分解后的信號能量與原信號能量比值為

β值隨I的增加而增加；I_m應取使β滿足條件β0.999999的最小的I值；

尋找相位連續點的過程如下：

定義x_m(p_m)為第m幀信號的相位連續點(x_m(p_m)為序列x_m(n₃)的第p_m+1點，p_m為其序號且p₁＝0)，則式(3)中n₄的取值范圍為p_m≤n₄p_m+N_L_m；

首先，計算相位偏離程度：

其中,V(n₃)代表第m幀信號x_m(n₃)中各點相位與點x′_m-1(n₀)相位的偏離程度，點x′_m-1(n₀)為經過規整后的第m-1幀信號序列的最后一點；

n₀＝p_m-1+N_L_m-1-1 (11)

p_m-1為第m-1幀信號相位連續點的序號，N_L_m-1為第m-1幀信號規整后的長度，L_m-1為第m-1幀信號的長度；a_i、b_i可由式(5)、式(6)求出；a_i′、b_i′為第m-1幀信號的展開系數

然后，定位搜索相位連續點：

語音信號具有類周期性，相鄰兩幀信號波形相似，可以利用前一幀信號最后一點的位置來確定后一幀信號相位連續點的大概位置，以減小搜索范圍；定義

start′_m＝(N_L_m％L_m+p_m-1)％L_m-λ*L_m,end′_m＝(N_L_m％L_m+p_m-1)％L_m+λ*L_m

其中，x％y表示x除以y的余數，x，y為不為零的常數；λ為搜索范圍系數，取值范圍為0≤λ≤0.5，start_m、end_m分別為第m幀信號相位連續點搜索范圍的起始點與結束點；則式(10)中n₃的取值范圍改為start_m≤n₃≤end_m；

再計算p_m：

V_min＝min{V(start_m),V(start_m+1),…,V(end_m)} (14)

其中，V_min為序列V(n)的最小值，min{}表示大括號內數據的最小值；

若V(Z)＝V_min，start_m≤Z≤end_m，則令p_m＝Z；

最后，得到輸出序列：

第m幀信號x_m(n₃)經過正弦分解后的輸出為

第m幀信號x_m(n₃)經過時長規整后的實際輸出為

y_m(n₇)＝x′_m(n₇+p_m),0≤n₇N_L_m+U (16)

其中，n₇的取值范圍多取U點是平滑處理需要，U的取值范圍為30≤U≤90。