基音同步帧长特征在英语词重音检测中的应用

对于英语等"重音节拍语言",重音是一个非常重要的韵律学特征。针对传统特征提取中固定帧长方式存在的缺点,使用基音同步帧特征分析方法,提出了基于动态帧长的基音同步能量和基音同步峰值特征。在使用新特征对英语连续语音进行词重音检测时发现,联合使用新特征与传统特征,可使误识率下降6.65%。

基音同步特征波形内插语音编码算法

研究了在特征波形语音编码算法中的特征波形分解算法，提出了一种基于基音同步的特征波形内插语音编码算法。特征波形的量化采用变维矢量量化（VDVQ）。通过实现的2．4kb／s的语音质量表明，这种语音压缩算法在低码率时能得到高通信质量的重建语音。

基于时域基音同步叠加技术的普通话语音调节系统

根据时域基音同步叠加算法设计了一个用于普通话的语音调节系统。首先,本文对文语转换技术和时域基音同步叠加算法进行了简要的介绍,并推导了算法的计算过程。接下来,本文为文语转换系统设计了两种接口函数。然后,本文对常用中文音节进行了测试,并给出了一个中文音节的测试结果。测试结果表明,本系统能够对语音的基频、时长等参数进行灵活调节。

基于基音同步的时频域插值的汉语语音合成

针对TD-PSOLA韵律调整能力的不足,将基于基音同步的时频域插值(TFI)方法应用于汉语语音合成中,该方法能够保证基频调整和时长的调整不会相互影响.为了提高计算精度,在频谱的插值计算中还引入了差商型插值方法.实验结果表明,采用差商型插值的TFI方法能取得比较好的合成效果.

用逆滤波基音同步分析提取声门波的方法

根据语音研究的要求，提出一种运用逆滤波基音同步分析提取声门波的方法，此方法可以比较准确地提取声门波。文中讨论了这种方法的原理、实现及其结果。

基于基音同步叠加技术的韵律修正的实现

将小波变换用于声门闭合时刻（ＧＣＩ）检测，获得ＧＣＩ的位置，在此基础上，按每个基音起始的精确位置进行基音同步叠加在一定范围内。

基于小波变换的基音同步叠加技术

针对传统的基音同步叠加方法的缺陷提出了相应的改进方法：一是将小波变换用于声门闭合时刻（ＧＣＩ）的检测，获得ＧＣＩ的准确位置，在此基础上，按每个基音周期起始的精确位置进行基音同步叠加，在一定的范围内，改变单音节的基频和时长去拟合连续语流中音节的超音段变化；二是用升余弦滚降窗函数代替基音同步叠加算法中的Ｈａｍｍｉｎｇ窗函数，使合成语音的质量明显提高，调节更加方便．

基于基音同步叠加的汉语文语转换

提出了一种将基音同步叠加技术用于汉语文语转换系统的方法。主要介绍了系统的基本组成、语音基元选择、语音库的结构和检索、文本的预处理、合成规则、基音同步叠加技术等。该系统在语言学处理中采用了分词精度较高的基于词形统计的汉语文本切分算法 ;韵律处理采用了能有效控制合成语音韵律的语音合成规则 ;声学处理采用了基音同步叠加技术进行语音合成 ,易于调整合成语音的音高、音长和音强。测试表明 ,本系统语音输出清晰度达 95 % ,自然度达 8.1分 (按 10分制 ) 。

基于基音同步帧叠接的吴语语音合成

吴语语音和普通话一样,也是由声母、韵母和声调这三个要素构成。语音的平稳段存在于韵母中,波形具有周期性,周期的变化趋势决定语音的声调;非平稳段包括声母、过渡音和鼻音。根据这些特点,提出了一种利用基音同步帧和声调曲线来合成语音的新方法PSFC,并用该方法合成吴方言。实验表明,该方法简单实用,合成语音有较好的自然度和可懂度。

基于情感基音模板的情感语音合成

为了合成能够模拟表达说话人的情感状态的语音,提出一种基于情感基音模板的情感语音合成方法。该方法分别建立高兴、愤怒、悲伤和中立4种不同情感下的韵母基音模板库,建立4种声调模型,统计分析语音库中情感语音的韵律特征参数,运用基音同步叠加算法(PSOLA)合成含情感色彩的语音。实验以音节为合成单位,根据情感特征参数的统计分析结果调节合成语音的韵律特征,合成各种情感的语音。仿真实验结果表明:用情感基音模板合成的目标情感语音具有目标情感的音质色彩,再通过韵律参数调节,可合成较理想的情感语音。该方法可用于增加语音合成系统的智能化,提高人机交互的能力。

用峰值校正自相关函数检测的汉语基音周期

对大量的汉语普通话的语音波形进行分析之后发现汉语普通话的基音提取不能用简单的中心削波自相关方法 ,在进行基音标记时会存在一种基音标记偏移的现象 ,为此在自相关理论的基础上 ,根据声调语言的语音信号音高变化特征 ,对声调语言的基音标记的偏移现象提出了一种基于自相关法和峰值校正的算法 .经实践检验 ,这种算法对声调语言的基音标记的偏移现象能够得到很好的校正 .

基于指数加权的基音平滑算法

提出了一种用于语音合成的语音片断基音平滑技术。在基于波形拼接的语音合成中,一般使用TD-PSOLA算法进行基频和时长的修改,但是用传统的TD-PSOLA算法进行的基频修改是针对片断整体而言,所以仍然不能很好的解决语音合成中的拼接单元之间的基频不连续问题,特别是在片断接合处。由于基元片断提取自不同语境的语料,合成语音听起来明显感觉到音高的不自然。对传统的TD-PSOLA算法进行了改进,以基音周期为间隔对语音片断信号进行分帧,通过指数加权相应帧的方法来进行平滑处理,经听音测试,较好的解决了拼接片断间的不连续现象。

噪声鲁棒性说话人识别语音高频加权MFCC提取

本文提出了一种可提高噪声环境下的说话人确认识别率的语音MFCC参数高频加权方法。由于Mel频率与线性频率成对数关系,频谱能量在高频部分分辨率逐减,而语音经过基音同步可变窗长加窗后的语音会在一定程度上避免语音信号的谐波泄露,从而保留更多高次谐波信息。将语音频谱能量高频部分进行加权,则可使语音增强,提高语音鲁棒性。该方法被用于基音同步预处理MFCC参数提取中,并进行了说话人确认实验。实验结果表明,即使在信噪比较低的情况下,该方法都会在一定程度上提高多种噪声环境下的说话人确认识别率。

基于韵律特征参数的情感语音合成算法研究

为了合成更为自然的情感语音,提出了基于语音信号声学韵律参数及时域基音同步叠加算法的情感语音合成系统。实验通过对情感语音数据库中生气、无聊、高兴和悲伤4种情感的韵律参数分析,建立4种情感模板,采用波形拼接语音合成技术,运用时域基音同步叠加算法合成含有目标感情色彩的语音信号。实验结果表明,运用波形拼接算法,调节自然状态下语音信号的韵律特征参数,可合成较理想的情感语音。合成的目标情感语音具有明显的感情色彩,其主观情感类别判别正确率较高。

火电厂语音报警系统中的动态文语转换方法

针对火电厂实时动态语音报警系统的特点,提出了基于动态文语转换技术的火电厂实时动态语音报警系统的实现框架.阐述了实时、动态文语转换子系统的各组成部分,研究了基于基音同步叠加算法(PSOLA)的实时动态文语转换方法,讨论了采用组件对象模型(COM)技术进行包括语音合成数据库、文本预处理、韵律处理和语音波形的生成在内的程序实现的要点.分析测试的结果表明,采用这种方法合成的语音质量高、实时性好,完全可以应用到包括火电厂实时动态语音报警系统在内的其他实时语音处理场合中.

基于听觉模型的特征在英语重音检测中的应用

对于英语等"重音节拍语言",重音是一个非常重要的韵律学特征。从听觉模型的角度出发,利用基音同步幅度峰值特征能同时表征瞬时频率和强度信息的特点进行重音检测。使用基音同步幅度峰值特征以及与传统特征的组合对英语连续语音的试验结果表明,新特征能使系统误识率降低1.5%。

基于时频分步处理的PSOLA韵律合成方法

结合FD PSOLA和TD PSOLA算法的优势 ,提出一种音高、时长分步处理的语音韵律拼接合成方法 .根据韵律生成模型计算得到的基频参数和时长参数 ,分别在频域和时域对语音拼接单元进行调整 ,在保持音库语音拼接单元清晰度和自然度基本不变的情况下 ,合成语音的韵律调控能力得到提高 .以汉语短语词组合成实验证明了该方法实现的有效性 .

非线性加权能量特征在英语词重音检测中的应用

为了解决传统特征在重音检测中鲁棒性不高的问题,根据重音的定义,以单词为单位,考察词内各音素携带基音同步动态短时帧能量的差异,同时引入非线性加权因子,提出非线性加权能量特征。使用非线性加权能量特征以及与传统特征的特征组合对英语连续语音的实验结粜表明,非线性加权能量特征比传统特征鲁棒性更高,联合使用新特征与传统特征,可使系统误识率下降3.58%。

基于ADSP-2185m的嵌入式汉语语音合成系统

本文将介绍一个基于ＡＤＳＰ－２１８５ｍ的嵌入式汉语语音合成系统。作为一个脱机独立系统,它可以实时实现汉语文语转换,输出较高自然度的合成语音,同时在硬件设计上具有体积小,性价比高,接口简单等特点。作为技术原型,该系统可以广泛应用于各种小型智能终端,为用户提供方便实用的语音信息服务,目前已经在车载定位信息播报系统和手机短信息播报系统中推广应用。

基于PSOLA与DCT的情感语音合成方法

情感语音合成可以增强语音的表现力,为使合成的情感语音更自然,提出一种结合时域基音同步叠加(PSOLA)和离散余弦变换(DCT)的情感语音合成方法。根据情感语音数据库中的高兴、悲伤、中性语音进行韵律参数分析归纳情感规则,调整中性语音各音节的基音频率、能量和时长。使用DCT方法对基音标记过的语音段进行基音频率的调整,并利用PSOLA算法修改基音频率使其逼近目标情感语音的基频。实验结果表明,该方法比单独使用PSOLA算法合成的情感语音更具情感色彩,其主观情感的识别率更高,合成的情感语音质量更好。