基于特征映射的耳語音轉(zhuǎn)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(zhuǎn)換是一種研究將耳語音轉(zhuǎn)換為正常音的技術(shù)，廣泛使用于移動通信、醫(yī)療設(shè)備、安全監(jiān)控及犯罪鑒定等領(lǐng)域。因此耳語音轉(zhuǎn)換技術(shù)的研究擁有重要的理論意義和應(yīng)用前景。本文主要研究怎樣選取有利于轉(zhuǎn)換的語音特征來進行耳語音轉(zhuǎn)換，主要的研究內(nèi)容如下:
　　首先，提出了一種基于美爾頻率倒譜系數(shù)(MFCC)特征

2、反演的耳語音轉(zhuǎn)換方法。近年來，越來越多的學(xué)者開始研究利用語音特征統(tǒng)計分布的特性來實現(xiàn)語音的轉(zhuǎn)換，因此大多使用高斯模型這種概率方法來實現(xiàn)從源特征向量到目標特征向量的預(yù)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(zhuǎn)換時，語音特征的選取尤為重要。與其它特征參數(shù)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(shù)，然后通過高斯混合模型建立幀特征參數(shù)之間的聯(lián)合概率分布。在轉(zhuǎn)換階段，將耳語音的幀特征參數(shù)輸入模型，估計出正常音特征參數(shù)后，再利用MFCC特征參數(shù)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(zhuǎn)換方法。由于使用自適應(yīng)加權(quán)譜內(nèi)插分析-合成模型進行語音譜包絡(luò)的提取時，其譜包絡(luò)維數(shù)過于冗余，對于后續(xù)的耳語音轉(zhuǎn)換效果不佳，因此本文