基于特征映射的耳語音轉換為正常語音的研究.pdf

1、耳語音是人與人之間一種特殊的語言交流方式，耳語音在發(fā)聲時候，聲帶不會振動，激勵源是噪聲，致使耳語音缺少基頻，并且能量一般比正常音低20dB。耳語音轉換是一種研究將耳語音轉換為正常音的技術，廣泛使用于移動通信、醫(yī)療設備、安全監(jiān)控及犯罪鑒定等領域。因此耳語音轉換技術的研究擁有重要的理論意義和應用前景。本文主要研究怎樣選取有利于轉換的語音特征來進行耳語音轉換，主要的研究內容如下:
　　首先，提出了一種基于美爾頻率倒譜系數(MFCC)特征

2、反演的耳語音轉換方法。近年來，越來越多的學者開始研究利用語音特征統(tǒng)計分布的特性來實現語音的轉換，因此大多使用高斯模型這種概率方法來實現從源特征向量到目標特征向量的預測。但高斯模型通常適合對低維的語音特征建模，難以描述高維的原始語音特征信息，因此，在使用高斯混合模型(GMM)進行耳語音轉換時，語音特征的選取尤為重要。與其它特征參數相比，MFCC模擬了人耳的聽覺特性，所以本文考慮語音的稀疏性，提出L1/2算法利用MFCC特征反演來重建語音，

3、在模型建立階段，從平行語料中分別提取耳語音和參考正常音的每一幀語音的MFCC參數，然后通過高斯混合模型建立幀特征參數之間的聯合概率分布。在轉換階段，將耳語音的幀特征參數輸入模型，估計出正常音特征參數后，再利用MFCC特征參數反演方法直接重建正常音。
　　其次，提出了一種基于低維特征映射的耳語音向正常音轉換方法。由于使用自適應加權譜內插分析-合成模型進行語音譜包絡的提取時，其譜包絡維數過于冗余，對于后續(xù)的耳語音轉換效果不佳，因此本文