[发明专利]用于建模语音频谱的系统和方法

说明书

技术领域

本发明总体涉及语音处理。更特别地，本发明涉及诸如语音编 码、话音转换和文本到语音合成的语音处理应用。

背景技术

本部分意在提供在权利要求书中陈述的本发明的背景或上下 文。本文的描述可包括将被贯彻的概念，但前面被表达和贯彻的内 容并非是必须的。因而，除非在本文指出，在此部分所描述的并非 是在该申请中的说明书和权利要求书的现有技术，以及并非通过包 含于此部分内而承认其为现有技术。

许多语音模型依赖于基于线性预测(LP)的方法，其中使用 LP系数对声道(vocal tract)进行建模。继而，使用进一步的技术对 激励信号(即，LP残差(residual))建模。下面是一些传统技术。 第一，可将激励建模为周期性脉冲(在话音语音(voiced speech)期 间)或者噪声(在非话音语音(unvoiced speech)期间)。然而，由 于话音/非话音硬决策，限制了可获得的质量。第二，可使用激励频 谱对激励建模，其将在时变的截止频率之下的激励频谱认为是话音 的，而将在该频率之上的激励频谱认为是非话音的。这种频带切分 方法能够在语音信号的许多部分上令人满意地执行，但是问题依然 出现，尤其是在具有混合的声音和噪声语音的频谱的情况下。第三， 可使用多带激励(MBE，multiband excitation)模型。在此模型中， 频谱可包括若干话音的频带和非话音的频带(多达谐波的数量)。 对于每个频带执行单独的话音/非话音决策。尽管在一些情况下是相 当可接受的，但是MBE模型的性能关于对多个频带的话音/非话音 硬决策依然具有受限的质量。第四，在波形内插(WI，waveform interpolation)语音编码中，将激励建模为慢渐变波形(SEW，slowly evolving waveform)和快渐变波形(REW，rapidly evolving waveform)。SEW对应于话音的贡献，而REW代表非话音的分布。 不幸的是，由于高复杂度和对于获得SEW和REW的完美分割不总 是可行，此模型受到损害。

因此，希望提供一种改进的用于建模语音频谱的系统和方法， 以解决上面提出的许多问题。

发明内容

本发明的多种实施方式提供了用于以话音的和非话音的贡献 二者能够共存于某频率的方式来建模语音的系统和方法。为将复杂 度保持在适中的程度，使用三组频谱带(或者高达三种不同类型的 频带)。在一个特定实施方式中，最低频带或频带组完全是话音的， 中间频带或频带组包含话音的和非话音的贡献两者，而最高频带或 频带组是完全非话音的。此种实现在需要的场合提供了高的建模精 度，并且也以低计算负载支持较简单的情况。可使用本发明的实施 方式用于语音编码和其它语音处理应用，诸如文本到语音合成和话 音转换。

本发明的多种实施方式在语音建模，尤其在较弱的话音语音的 情况下，提供了高精度，与此同时，仅承受适中的计算负载。多种 实施方式相对于传统装置也提供了在精度和复杂度之间的改进的平 衡。

当结合附图而考虑时，从下文的详细描述中，本发明的这些和 其它优点和特征，连同其操作的方式和组织将变得明显，其中贯穿 下文描述的若干附图，相同的单元具有相同的数字。

附图说明

图1是示出了可以如何实现多种实施方式的流程图；

图2是可在本发明的实现中使用的移动电话的透视图；以及

图3是对图2移动电话的电话电路的示意性展现。

具体实施方式

本发明的多种实施方式提供了用于以话音的和非话音的贡献 二者能够共存于某频率的方式来建模语音的系统和方法。为将复杂 度保持在适中的程度，使用三个频谱带集合(或者高达三种不同类 型的频带)。在一个特定实施方式中，最低频带或频带组完全是话 音的，中间频带或频带组包含话音的和非话音的贡献两者，而最高 频带或频带组是完全非话音的。此种实现在需要的场合提供了高的 建模精度，并且也以低计算负载支持较简单的情况。可使用本发明 的实施方式用于语音编码和其它语音处理应用，诸如文本到语音合 成和语音转换。

本发明的多种实施方式在语音建模，尤其在较弱的话音语音的 情况下，提供了高精度，与此同时，仅承受适中的计算负载。多种 实施方式相对于传统装置也提供了在精度和复杂度之间的改进的平 衡。