第九篇 章 语音合成 数字语音处理及MATLAB仿真 .pptVIP

9.5.1 基音同步叠加PSOLA算法原理 信号x(n)的短时傅里叶变换为： 其中w(n)是长度为N的窗序列，Z表示全体整数集合。 是变量n和ω的二维时频函数，对于n的每个取值都对应有一个连续的频谱函数，显然存在较大的信息冗余，所以可以在时域每隔若干个（例如R个）样本取一个频谱函数来重构原信号x(n)。 令： 其傅里叶逆变换为： 然后将 叠接相加便可得到： 通常选w(n)是对称的窗函数，所以有 w(rR-n)=w(n-rR) 可以证明，对于汉明窗来说，当时，无论m为何值都有： 所以 其中 为w(n)的傅里叶变换。上式说明，用叠接相加法重构的信号y(n)与原信号x(n)只相差一个常数因子。 这里采用原始信号谱与合成信号谱均方误差最小的叠接相加合成公式。定义两信号x(n)和y(n)之间谱距离测度： 上式可改写为： (9-14) 要求合成信号y(n)满足谱距离最小，可以令： 解得： 窗函数w1(n)和w2(n)可以是两种不同的窗函数，长度也可以不相等。上式就是在谱均方误差最小意义下的时域基音同步叠接相加合成公式。 实际合成时w1(n)和w2(n)可以用完全相同的窗，分母可视为常数，而且可以加一个短时幅度因子 来调整短时能量，即： 基音同步叠接相加法优点： 良好的韵律调整能力的； 缺点：基音频率修改过大时可能出现严重的谱包络失真。 * 数字语音处理及MATLAB仿真 张雪英编著 * * 数字语音处理及MATLAB仿真 张雪英编著 * 第九章 语音合成 9.1 概述 1 9.2 语音合成的原理及分类 9.3 共振峰合成法 3 9.4 线性预测参数合成法 4 9.5 基音同步叠加法 5 9.6 文语转换系统 6 2 9.1 概述 语音合成是人机语声通信的一个重要组成部分，解决让机器像人那样说话的问题。 最早的合成器是1835年由W.von Kempelen发明，经Weston改进的机械式会讲话的机器。而最早的电子式语音合成器也是1939年Homer Dudley发明的声码器，它不是简单的模拟人的生理过程，而是通过电子线路来实现基于语音产生的源-滤波器理论。 在语音合成技术发展中，早期研究主要是采用参数合成方法。 1990年提出的基音同步叠加PSOLA方法，使基于时域波形拼接方法合成的语音音色和自然度大大提高。 我国的汉语语音合成研究从80年代初就基本上与国际研究同步发展。大致也经历了共振峰合成、LPC合成到应用PSOLA技术的过程。 9.2 语音合成的原理及分类 9.2.1 波形合成法 波形编码合成法是一种波形合成法，类似于语音编码中的波形编解码方法，该方法直接把要合成的语音的发音波形进行存储或者进行波形编码压缩后存储，合成重放时再解码组合输出。 特点：所需的存储容量太大，词汇量不能很大；相对简单，通常只能合成有限词汇的语音段。目前用于自动报时、报站和报警等。 另一种波形合成法是波形编辑合成，它把波形编辑技术用于语音合成，通过选取音库中采取自然语言的合成单元的波形，对这些波形进行编辑拼接后输出。它采用语音编码技术，存储适当的语音基元，合成时，经解码、波形编辑拼接、平滑处理等输出所需的短语、语句或段落。 9.2.3 规则合成法 规则合成方法：一种高级的合成方法，通过语音学规则产生语音，可以合成无限词汇的语句。合成的词汇表不是事先确定，系统中存储的是最小的语音单位的声学参数，以及由音素组成音节、由音节组成词、由词组成句子和控制音调、轻重音等韵律的各种规则。 算法中，用于波形拼接和韵律控制的较有代表性的算法是基音同步叠加PSOLA技术。 9.2.3 规则合成法 基音同步叠加PSOLA技术主要特点： 在语音波形片断拼接之前，首先根据语义，用PSOLA算法对拼接单元的韵律特征进行调整，使合成波形既保持了原始语音基元的主要音段特征，又使拼接单元的韵律特征符合语义，从而获得很高的可懂度和自然度。 项目 波形合成方式 参数合成方式 按规则合成方式 语音 质量