基于广义回归神经网络面罩语音矫正研究.docVIP

基于广义回归神经网络面罩语音矫正研究 　　摘 要： 为了提高面罩语音的清晰度和可懂度，提出一种基于广义回归神经网络（GRNN）对线谱对（LSP）参数进行非线性建模的面罩语音矫正方法。分别提取正常语音和面罩语音的LSP参数，其次利用LSP参数对GRNN进行训练，得到矫正模型，将面罩语音的LSP参数通过矫正模型进行修正，并将结果作为参数用来合成新的语音。实验结果表明，利用GRNN训练出的矫正模型能够有效地调整面罩语音的LSP参数，在一定程度上能够恢复其频谱分布。 　　关键词： 面罩语音； 线谱对； 广义回归神经网络； 语音合成 　　中图分类号： TN912.3?34 文献标识码： A 文章编号： 1004?373X（2017）17?0060?04 　　Research on mask speech correction based on generalized regression neural network 　　WANG Xia1， LIU Jie1， WANG Guangyan2， WANG Mengjun1 　　（1. School of Electronics and Information Engineering， Hebei University of Technology， Tianjin 300401， China； 　　2. School of Information Engineering， Tianjin University of Commerce， Tianjin 300401， China） 　　Abstract： In order to improve the clarity and intelligibility of mask speech， a mask speech correction method based on generalized regression neural network （GRNN） for nonlinear modeling of line spectrum pair （LSP） parameters is proposed. The LSP parameters of normal speech and mask speech are extracted respectively， and then used to train GRNN to obtain the correction model. The LSP parameters of mask speech are modified based on the correction model， and its results are used as parameters for new speech synthesis. The experimental results show that the correction model trained by GRNN can adjust the LSP parameters of the mask speech effectively， and recover the spectral distribution of the mask speech to a certain extent. 　　Keywords： mask speech； LSP； GRNN； speech synthesis 　　0 引 言 　　消防?T在佩戴防毒面具的情况下，由于面罩体积小和封闭的物理特性，发出的声音通过面罩后变得发闷，带有鼻音色彩和呜呜声，称之为“面罩语音”。面罩语音给人们的救援行动带来了交流上的阻碍，由此出现了矫正面罩语音这一课题。 　　国内外针对面罩语音的研究较少，但其他类型的畸变语音（如氦语音、耳语音）的转换方法同样具有参考价值。在处理畸变语音的过程中，以合成语音模型为出发点，重点研究如何修正特征参数。文献[1?2]利用线性预测模型恢复耳语音和氦语音。之后，人们为了使重建的语音更贴近实际语音，开始研究用各种非线性的方法来修正特征参数。文献[3?4]尝试用神经网络对语音特征参数进行非线性建模。文献[5]为了使矫正后的频谱分布和共振峰带宽更加符合语音实际转换的非线性要求，加入扩展因子的双线性变换函数分段处理耳语音的频谱。文献[6]提出一种完全参数化的双线性频率翘曲与振幅缩放结合的语音转换方法，较传统基于高斯混合模型的方法，转换的语音质量有了显著改善。文献[7]以正常语音的频谱包络为转换目标，将受限玻尔兹曼机作为谱估计模型，利用深度学习技术重建语音，实验结果表明，深度学习技术能提高重建语音的质量。 　　本文选择在合成语音模型中更为强健的LS