[发明专利]一种改善喉振话筒语音音质的方法

摘要

本发明提供一种改善喉振话筒语音音质的方法，提出由STRAIGHT语音模型得到完全去除激励影响的精确幅度谱，并加重此幅度谱中对喉振语音听觉感知起重要作用的第一、二共振峰区域，得到适用于语音转换的共振峰加权Mel倒谱参数加增益参数、线谱对参数加增益参数分别作为转换的源、目标特征参量，比起传统常用的倒谱-倒谱参数对、线谱对-线谱对参数对、Mel倒谱-Mel倒谱参数对有更好的映射关系。而且设计的动态前馈神经网络能自动选取网络的拓扑结构，比起固定网络结构的神经网络有着较好的泛化能力及较高的拟合精度，可训练出最优的非线性映射函数，使得改善后的语音音质有较大的提高。

主权项

一种改善喉振话筒语音音质的方法，其特征在于，该方法包括如下步骤：(1)利用近讲话筒和喉振话筒同时录制训练语音，喉振话筒录制的语音作为源语音，近讲话筒录制的语音作为目标语音；(2)分别建立源语音和目标语音的STRAIGHT语音模型，得到基频参数、非周期指数和幅度谱，作为语音分析‑修改‑合成的模型；(3)由幅度谱分别提取源语音的共振峰加权Mel倒谱参数和增益参数作为源语音的特征参量，及目标语音的线谱对参数和增益参数作为目标语音的特征参量；(4)将步骤(3)中所述的特征参量送入动态前馈神经网络中训练；(5)动态前馈神经网络是根据特征结构自动选取网络的拓扑结构，训练出最优的非线性映射函数；(6)利用喉振话筒录制测试语音，建立测试语音的STRAIGHT语音模型，由幅度谱提取共振峰加权Mel倒谱参数和增益参数，送入步骤(5)训练得到的最优非线性映射函数中，得到修改后的线谱对参数和增益参数；(7)由修改后的线谱对参数和增益参数得到修改后的幅度谱，与基频参数和非周期指数一起利用STRAIGHT模型合成出清晰的语音。