[发明专利]一种基于简化自适应内插加权谱模型的语音转换及重构方法

说明书

技术领域

本发明属于语音信号处理技术领域，涉及一种语音转换和重构模型，特别涉及一种基于自适应内插加权谱的语音转换及重构（STRAIGHT）模型。

背景技术

语音参数化和重构是一个重要且具有一定挑战性的问题。其对应的语音分析-合成系统被广泛用于各种应用，如语音编码，转换等。在H.Kawahara,I.M.Katsuse,A.d.Cheveigne,“Restructuring speech representations using a pitchadaptive time-frequency smoothing and an instantaneous-frequency-based F0extraction:Possible role of a repetitive structure in sounds,”J.SpeechCommunication,vol.27,no.3-4,pp.187–207,April.1999发表的文献中表明，基于自适应内插加权谱的语音转换及重构（Speech Transformati on andRepresentation using Adaptive Interpolation of weiGHTed spectrum,STRAIGHT）模型，抛弃了传统语音模型中声门、声道的构造，直接提取语音的功率谱,获得了高质量的语音合成效果。其逐渐成为目前主流的语音分析合成模型，广泛应用在语音合成、语音转换等各方面。其采用以VOCODER为原型的源滤波器的思想来表征语音信号，把语音信号看作激励信号通过时变线性滤波器后输出的结果。在分析得到各帧的语音功率谱后，对该功率谱进行时频域上的平滑处理，同时在时间轴和频率轴上进行过采样，保证合成阶段对语音的高质量重构。

STRAIGHT模型本身也存在一些缺陷。STRAIGHT模型一开始是针对宽带语音合成提出的，其在多方面进行了较为精密的计算。如在非周期成分参数的提取过程中就包含相位弯曲映射，功率谱计算，功率谱上下边包络提取，上下边包络等价直角带宽（ERB）域计算,下边包络增强等一系列复杂的计算。因此，STRAIGHT模型的高计算量成为制约该模型进一步应用和发展的一个重要问题。

发明内容

本发明的目的是实现在保持合成语音质量基本不变的同时，使STRAIGHT模型输出参数种类个数的减少，减小STRAIGHT模型计算量，简化非周期成分参数的分析和输出。

本发明的技术方案从以下方面考虑：STRAIGHT模型是一种基于功率谱的语音模型。其平滑功率谱参数为一种经过时频域补偿后的功率谱，而非周期成分参数为对功率谱上下边包络处理后所提取的参数。从本质上说，两者都是原始功率谱的一种表现形式，存在一定相关性，因此可通过GMM模型构建两者的相关性，并最终达到从平滑功率谱参数中估计出非周期成分参数的目的。

本发明的主要技术内容如下：

一种基于简化自适应内插加权谱模型的语音转换及重构方法，其特征在于，在分析部分省略了原STRAIGHT模型中的非周期成分参数提取模块，在合成部分增加非周期成分参数重构过程。

所述的非周期成分参数重构过程，其包括美尔倒谱系数（MFCC）获取模块，高斯混合模型模块，美尔倒谱系数分类模块，平滑功率谱分类模块，非周期成分分类及其估计模块。

所述的非周期成分参数重构过程，包含以下步骤：

（1）、训练阶段：

（1a）、在美尔倒谱系数MFCC获取模块中输入平滑功率谱参数的训练集{P_i(w)}，1≤i≤T，获得对应的美尔倒谱MFCC系数集{M_i}，其中M_i=DCT{logΦP_i(w)}，Φ为人类听觉感知的权重函数,DCT{.}表示离散余弦变换，T为语音总帧数；

（1b）、在高斯混合模型GMM模块中对MFCC系数集采用进行最大期望值EM算法训练，更新高斯混合模型GMM中各状态参数，直至参数稳定为止，并记录GMM中的各状态参数，备重构阶段使用；

对于高斯混合模型GMM，设输入参数集为{x_i}＝{M_i}，1≤i≤T，设输入参数为x的概率分布p(x)为：