基于语音个人特征信息分离的语音转换方法研究

摘要：

本文在深入研究语音个人特征信息有效表示的基础上,从信息分离角度,提出一种新的利用个人特征信息分离和替换实现语音转换的方法.该方法主要利用语音的稀疏性和K-均值奇异值分解(K-SVD)来实现.由于这种基于K-SVD的字典训练方法可以较好地保存语音信号中的个人特征信息,因此可以利用K-SVD的字典训练方法把语音个人特征信息进行分离并替换,再和语言内容等信息重构出目标语音.相对于传统方法,本方法能够更好地利用语音的稀疏性保存语音个人特征信息,从而可以克服参数映射带来的转换后语音个人特征相似度不高和语音质量下降的问题.实验仿真及主观评价结果表明,与基于高斯混合模型、人工神经网络的语音转换方法相比,该方法具有更好的转换语音质量和转换相似度以及抗噪性.

关键词：语音转换、语音个人特征、信息分离、K-SVD

所属期刊栏目：29

分类号：TN912.3

资助基金：江苏省自然科学基金项目BK2012510;解放军理工大学预研项目20110211

在线出版日期：2013-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：513-519