考虑帧间信息的语音转换算法.pdfVIP

考虑帧间信息的语音转换算法 简志华 王向文 杭州电子科技大学通信工程学院，浙江杭州310018 摘要：传统的加权频率卷绕算法是单独地对每帧语音特征参数进行转换，没有考虑到语音帧前后 的相关信息。针对这一点，该文提出了一种改进的加权频率卷绕算法，它利用压缩感知理论提取 语音信号的帧间相关信息。在进行转换时，该算法是相当于对语音段进行转换。客观测试和主观 听觉评测表明，虽然改进后算法的性能会受到语音段长度的影响，但当选择合适语音段长度时，性 能要好于传统的加权频率卷绕算法。 关键词：语音转换；压缩感知；频率卷绕；高斯混合模型 TN911.23 A 杭州电子科技大学学报 2012正 数为： M p(z)-i；dtN(z；弘；，∑；) (1) 式中，仅i是权重，斗：和∑；分别表示第i个分量的均值向量和协方差矩阵，M表示高斯分量的总个 数为： 叫：；】 ㈤ ∑一∑；1∑l J 【∑j1 ∑y 空间的均值矢量，利用这两个均值矢量所对应的频谱就可以相应地得到第i个子空间的频率卷绕曲线 函数职∽。因此，对于语音帧x。来讲，完整的频率卷绕曲线函数为…： M 形‘“’(力=．∑pi(x。)形(力 (3) 式中，Bi(x。)是后验概率为： 0【iN(g：；弘f，乏F1) Bi(g：)= (4) 旷————————一 j善djN(g：；pigx，∑F) 从式3可以看出，不同的语音帧具有不同的后验概率分布Bi(X。)，因此每帧语音具有不同的频率 卷绕函数。 2 MWFW转换算法 wFw算法是单独对每帧语音的特征参数进行转换，没有考虑到语音帧间的相关性。而事实上，语 音帧间的相关信息具有重要的作用，为了利用语音帧间的相关性，同时也考虑到在转换时，语音段比语 音帧更具有稳定性，有利于提高语音质量，本文采用cs理论来提取语音帧问的相关信息。 cs理论指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关 的观测矩阵将高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量投影中 以高概率重构出原信号o。 由于线谱对参数具有良好的量化和插值特性，使它成为目前语音转换中使用最为广泛的特征参数。 假定x。是当前时刻语音帧的LSP参数，即L维的列矢量，则X。一(r一。y2，…，x。一。，X。，x。+1，．一， x。+。T一。砼是一以x。为中心的由r(T为奇数)帧语音LSP参数构成的矢量序列。将这一矢量序列按时间 先后顺序拼接起来形成一个长的矢量为： X。=[X：一(r一1y2，…，X：一l，xT。，X：+1，…，X。1+(t一1y2】1 (5) LX1维的列矢量。由于联合矢量x。在DCT域具有很好的 式中，符号“T”表示转置，则x。是一个r 稀疏性，其大部分的系数都为零或者接近于零。这说明在DCT域，联合矢量X。采用压缩感知理论是完 全可行的。令观测矩阵西为一个D×rL维的高斯随机矩阵为： g：=mX。 (6) L／专)]。其中符号r·]表示 根据cs理论，D可以是一个比rL小得多的值，在本文中，D=『考l