[發(fā)明專利]基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法

有效

• 申請?zhí)枺?/td>: 202011288173.X
• 申請日: 2020-11-17
• 公開（公告）號: CN112562704B
• 公開（公告）日: 2023-08-18
• 發(fā)明（設(shè)計）人: 孫蒙;苗曉孔;張雄偉;曹鐵勇;鄭昌艷;李莉
• 申請（專利權(quán)）人: 中國人民解放軍陸軍工程大學(xué)
• 主分類號: G10L21/013
• 分類號: G10L21/013;G10L25/30;G10L25/24
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 岑丹

1.一種基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法，其特征在于，具體步驟為：

步驟1：對源語音和目標(biāo)語音進行濾波，并提取語音特征參數(shù)，所述語音特征參數(shù)包括基頻、聲道譜、非周期成分；將提取到的源語音和目標(biāo)語音的聲道譜進行動態(tài)時間規(guī)整對齊；

步驟2：將對齊后的源語音和目標(biāo)語音聲道譜分別輸入分頻轉(zhuǎn)換的BLSTM網(wǎng)絡(luò)模型進行訓(xùn)練，得到對應(yīng)的特征轉(zhuǎn)換網(wǎng)絡(luò)；

步驟3、構(gòu)建全局統(tǒng)計方差一致性濾波模型，具體方法為：

步驟3-1、計算目標(biāo)語句倒譜系數(shù)每一維梅爾倒譜的均值和方差；

步驟3-2、計算源語音經(jīng)分頻轉(zhuǎn)換的BLSTM網(wǎng)絡(luò)模型轉(zhuǎn)換后所得語句的所有幀的各維度梅爾倒譜均值和方差；

步驟3-3：構(gòu)造全局統(tǒng)計方差一致性初級濾波器，所述全局統(tǒng)計方差一致性初級濾波器具體為：

其中，σ²_tar表示目標(biāo)語音各維度梅爾倒譜均值構(gòu)成的向量，σ²_con表示源語音經(jīng)分頻轉(zhuǎn)換的BLSTM網(wǎng)絡(luò)模型轉(zhuǎn)換后所得語句各維度梅爾倒譜均值構(gòu)成的向量，y表示待轉(zhuǎn)換語句的梅爾倒譜，為測試階段源語音待轉(zhuǎn)換語句所有幀的各維度梅爾倒譜均值所構(gòu)成的向量；

步驟3-4、設(shè)置調(diào)整參數(shù)，獲得調(diào)整后的全局統(tǒng)計方差一致性濾波器，具體為：

其中，是經(jīng)過濾波后得到的梅爾倒譜，y表示待轉(zhuǎn)換語句的梅爾倒譜，α為調(diào)整參數(shù)；

步驟4、將待轉(zhuǎn)換語音濾波后，提取待轉(zhuǎn)換語音的特征參數(shù)，并進行預(yù)處理；

步驟5：將預(yù)處理后的待轉(zhuǎn)換語音的特征參數(shù)進行參數(shù)化的語音合成，生成最終的轉(zhuǎn)換語音。

2.根據(jù)權(quán)利要求1所述的基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法，其特征在于，提取的聲道譜特征為梅爾倒譜。

3.根據(jù)權(quán)利要求1所述的基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法，其特征在于，所述入分頻轉(zhuǎn)換的BLSTM網(wǎng)絡(luò)模型包括兩個結(jié)構(gòu)相同的BLSTM網(wǎng)絡(luò)，兩個BLSTM網(wǎng)絡(luò)均由3個隱藏層組成，三層的隱藏節(jié)點數(shù)分別是：128，256，128，其中一個BLSTM網(wǎng)絡(luò)沒有dropout層，另一個BLSTM網(wǎng)絡(luò)的dropout層參數(shù)為0.5。

4.根據(jù)權(quán)利要求1所述的基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法，其特征在于，計算目標(biāo)語音倒譜系數(shù)每一維梅爾倒譜的均值和方差的具體公式為：

其中，N表示訓(xùn)練階段目標(biāo)語句的數(shù)量，M表示每條語句包含的幀數(shù)，T表示梅爾倒譜的維度，i表示梅爾倒譜維度的索引，和分別表示從所有訓(xùn)練語句的所有幀中求得的各維度的梅爾倒譜均值和方差，x_i表示第i維梅爾譜。

5.根據(jù)權(quán)利要求1所述的基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法，其特征在于，對待轉(zhuǎn)換語音的特征參數(shù)進行預(yù)處理的具體方法為：

非周期成分保持不變；

對基頻進行對數(shù)線性變換；

對聲道譜進行展寬、分頻，得到高頻部分和全頻帶部分，利用分頻轉(zhuǎn)換的BLSTM網(wǎng)絡(luò)模型對高頻部分和全頻帶部分進行轉(zhuǎn)換，對轉(zhuǎn)換得到的全頻帶部分再次分頻得到高頻聲道譜和低頻聲道譜，通過融合模型將所得不同頻帶的聲道譜進行融合，將融合后的轉(zhuǎn)換聲道譜特征送入步驟3所得的全局統(tǒng)計方差一致性濾波模型進行濾波，得到轉(zhuǎn)換濾波后的聲道譜特征。

6.根據(jù)權(quán)利要求5所述的基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法，其特征在于，所述融合模型具體為：

MC_高融合＝α*mcep_高1+(1-α)*mcep_高2

MC_低1＝mcep_低1

MC_全融合＝[mcep_低1+MC_高融合]

式中，a為融合系數(shù)，mcep_高1為全頻帶聲道譜的高頻聲道譜，mcep_低1為全頻帶聲道譜的低頻聲道譜，mcep_高2為聲道譜高頻部分。

7.根據(jù)權(quán)利要求6所述的基于BLSTM的分頻拓譜抗噪語音轉(zhuǎn)換方法，其特征在于，所述融合系數(shù)具體為：

式中，mcep_高和mcep_低為分頻統(tǒng)計后得到的各部分頻帶參數(shù)信息。