皮肤听声原理在语音合成中的应用研究

语音合成一直是信息交互的重要研究领域,但是目前语音合成的方法还远不够完备。为提高重建语音的辨识正确率,提出以频谱构造法进行语音信号合成。首先将语音信号经过去噪、加窗、分帧和傅里叶变换等处理得到语音频谱图,然后通过频率解析提取共振峰谱线关键频率信息,在以C#搭建的智能语音合成平台上进行语音信号重建,最后利用重建语音信号和原始标准语音信号进行主观辨析测试。实验结果表明,重建语音信号可平衡各频率段的能量,突出语音信号的频谱特征。相比双谱线汉语重建语音,除汉语音素[o],其他单韵母音素识别正确率皆有明显提高。

采用线谱对分段定值偏移进行病理嗓音共振峰修正

针对水肿、小结、息肉、甲亢4种常见病理嗓音的第一、二共振峰相对于正常嗓音共振峰的偏移问题,提出了一种线谱对分段定值偏移的方法修正病理嗓音共振峰,以使其趋于正常嗓音共振峰的范围。通过对比正常嗓音与病理嗓音,获取其共振峰以及其相应的线谱对参数,计算其偏移比例值的范围,根据不同的病理嗓音确认共振峰所对应的偏移比例值对病理嗓音共振峰的相应线谱对参数进行修正。实验结果表明,修正后病理嗓音共振峰的范围与正常嗓音共振峰的范围比例值趋同,采用频谱相对距离P值进行评价,结果均大于0.6,验证了文章所提出的算法有效性。

改进人工神经网络的病理嗓音共振峰修复

提出了一种改进人工神经网络对病理嗓音共振峰修复的方法。分别提取正常语音和病理嗓音的线谱频率LSF(Line Spectral Frequencies),经过动态时间弯折后输入到改进BP神经网络训练。该网络通过自适应学习率和附加动量项来减少训练时间;将待修复病理嗓音通过训练好的网络进行映射,从而得到修复后的线谱频率;根据修复后线谱频率求解得到重构后的共振峰,实现对病理嗓音共振峰的修复。实验表明,该方法能对病理嗓音共振峰有效修复,修复后嗓音平均MOS得分比修复前提高55.8%。根据客观评价指标线谱对失真测度,该方法修复的语音线谱对失真测度比分段定值偏移与扩展型双线性变换联合法减少了23.4%,表明修复后的嗓音在可懂度和音质方面都有很大的提高,取得了好的修复效果。