[发明专利]一种基于DIVA神经网络模型的语音生成方法

摘要

本发明公开了一种基于DIVA神经网络模型的语音生产方法，包括语音样本提取、语音样本分类与学习、语音输出和修正输出语音，所述语音样本分类与学习采用自适应生长型神经网络（AGNN）实现对语音样本的分类学习，利用获取的语音共振峰频率来进一步计算输入层候选神经元的数目，再根据输入层候选神经元来确定隐层神经元，最终获得AGNN的输出值，并根据输出值来确定音素，采用上述结构的神经网络训练精度高且学习速度快。

主权项

1.一种基于DIVA神经网络模型的语音生成方法，包括语音样本提取、语音样本分类与学习、语音输出和修正输出语音，其特征在于，所述语音样本分类与学习采用自适应生长型神经网络（AGNN）实现对语音样本的分类学习，具体为：步骤一、将提取的语音共振峰频率通过雅克比行列式转换为矩阵形式，该矩阵的特征向量的维数即输入层候选神经元的数目m；计算输入层候选神经元的适应度函数值并按适应度函数值递增的顺序排列候选神经元，输入层候选神经元适应度函数值的列表相应的为S={S_i1≤S_i2≤…≤S_im}，并按相应的顺序将候选神经元放在列表X中，X=(x₁,…,x_m)，所述适应度函数计算公式为：y_i为实际输出值，为目标值，n为数据集中样本的数目且n为自然数；步骤二、初始隐层神经元个数r=0并设C₀=S_i1，C₀为隐层神经元个数r=0时的适应度函数值；步骤三、设r=r+1和p=r+1，其中r为第r个隐层候选神经元，生成一个有p个输入的隐层候选神经元；步骤四、若r>1，将该隐层候选神经元分别连接到其前面所有的隐层神经元和输入节点x₁上；否则把该隐层候选神经元只连接到输入节点x₁上；步骤五、设置下一个需要和新添加的隐层候选神经元相连接的集合X中的元素所处的位置h的初始值为2，其中2≤h≤m,m、h为正整数；将此隐层候选神经元的第P个输入连接到列表X中位置为h的输入节点上；步骤六、训练此隐层候选神经元并计算它的适应度函数值C_r，若C_r≥C_r-1，则执行步骤七；若C_r<C_r-1则将此隐层候选神经元连接到网络中作为第r个隐层神经元，再返回执行步骤三至步骤六，直到第m个输入层神经元接入网络中不满足此条件为止；步骤七、将h=h+1，重新训练此隐层候选神经元，直到h=m时，若仍不满足C_r<C_r-1，则结束训练，此隐层候选神经元与分类无关，舍弃此隐层候选神经元，把该隐层候选神经元的前一个隐层神经元作为输出层；步骤八、根据输出层的输出数值来确定音素。