[发明专利]一种基于LPC及RBF神经网络的声音转换的方法

说明书

技术领域

本发明涉及语音信号处理领域，尤其涉及一种基于LPC及RBF神经网络的声音转换的方法。

背景技术

对语音信号的处理，主要有三种方案：

1、基于矢量量化的码本映射技术实现方案

用矢量量化算法将源说话人和目标说话人的声学特征空间进行划分，用动态时间规整算法将源-目标特征矢量相关联，从而训练出一个源到目标说话人的映射码本。缺陷：尽管计算量较低，但是由于矢量量化作用造成的频谱的不连续性，转换语音质量还很低。

2、基于线性多变量回归的局部函数转换技术实现方案

说话人语音频谱空间由矢量量化划分成许多不同的子空间，每一个空间都训练一个局部函数，每个局部函数都表述了某一个声学空间源-目标说话人特征之间的关系，这样码本映射方案中的全局映射就被这些局部函数来近似。缺陷：这种局部空间转换的方法可以产生无穷多目标特征量。然而由于选择单个局部转换函数的离散性还存在，不连贯性仍然出现在输出语音中。

3、基于高斯混合模型的联合概率分布技术实现方案

通过概率的方法，采用高斯混合模型描述源-目标特征的联合概率分布，寻找转换函数来预测目标语音特征。这种技术比码本映射和局部函数变换有效性、鲁棒性也较好，理论上能使回归问题的混合成分得到更合理的配置。缺陷：这种技术在进行运算时计算量较大,而且存在转换语音频谱过分光滑现象,影响了转换语音目标说话人特征的倾向性。

发明内容

本发明解决的技术问题是：在已有的语音转换技术方案中，要么转换语音质量较低，要么计算量过大，本发明设计出一种高质量、计算量适中的语音转换技术方案。

本发明解决现有技术中存在的问题所采用的技术方案为：提供一种基于LPC及RBF神经网络的声音转换的方法，所述方法包括以下步骤：

A、对语音进行预处理；

 B、对浊音帧进行基频检测；

C、对基频检测后的浊音帧进行转换；

D、对转换后的基频进行浊音帧参量的提取；

E、对提取到的浊音帧参量进行计算，求得一帧浊音帧，然后对该一帧浊音帧进行合成，得到转换后的浊音帧。

本发明的进一步技术方案是：所述A步骤还包括以下分步骤：

A1：从待转换语音中进行分帧；

A2: 运用判断方法对该帧进行清音和浊音的判断。

本发明的进一步技术方案是：所述A2步骤中，所述判断方法包括帧能量和帧过零率，帧能量的计算公式如下：

其中：x(m)为帧中第m个语音点的值，N为该帧的点数，E为帧能量， Ta为此函数的定义域m的阀值；

帧过零率的计算公式为：

 

其中：z为帧过零率，Tb为此函数的定义域m的阀值；计算出每帧的能量和过零率。通过此公式计算出每帧的能量和过零率，若帧能量大于一定的阀值Ta且过零率小于一定的阀值Tb，判定为浊音帧；否则，判定为清音帧。例如，假设Ta为语音的最大帧能量的10%，Tb约为120。当某一帧的能量大于Ta，过零率小于Tb时，判别为浊音帧，否则，为清音帧。由于语音信号具有清音部分能量低、浊音部分能量高，清音部分过零率高、浊音部分过零率低的特点。

本发明的进一步技术方案是：所述B步骤中，对浊音帧进行基频检测是运用平均幅度差函数AMDF来检测的，其计算公式为：

其中： l为偏移量。为避免偏移量过小，l的最小取值可设为10，最大取值原则上不超过该帧的点数的一半，可设为N/2；当l等于基频整数倍时，其平均幅度差函数AMDF值r(l)将达到极小值，尤其是当l等于基频时，取得最小值；因此，通过求得l的最小值，从而检测基频。

本发明的进一步技术方案是：所述D步骤中，对浊音帧进行参量的提取，是用自相关法从最低价线性预测器开始，由低阶到高阶进行逐阶递推计算，求得浊音帧第P阶LPC系数，根据该浊音帧LPC系数求得该浊音帧LSF系数。

本发明的进一步技术方案是：对源说话者与目标说话者的多个相同训练语音的浊音帧，分别提取出多组相对应LSF系数，获得转换后的LSF系数，再求得转换后的LPC系数。