基于PSO优化GRNN的语音转换方法

摘要：

提出了一种基于粒子群算法PSO优化广义回归神经网络GRNN模型的语音转换方法.首先,该方法利用训练语音的声道和激励源的个性化特征参数分别训练两个GRNN,得到GRNN的结构参数;然后,利用PSO对GRNN的结构参数进行优化,减少人为因素对转换结果的影响;最后,对语音的韵律特征、基音轮廓和能量分别进行了线性转换,使得转换后的语音包含更多源语音的个性化特征信息.主客观实验结果表明:与径向基神经网络RBF和GRNN相比,使用本文提出的转换模型获得的转换语音的自然度和似然度都得到了很大的提升,谱失真率明显降低并且更接近于目标语音.

关键词：语音转换、广义回归神经网络模型、粒子群优化

所属期刊栏目：40

分类号：TN912.3

资助基金：住房城乡建设部科学技术项目2016-R2-045;西安市碑林区2014年科技计划GX1412

在线出版日期：2018-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：752-756