幅值补偿的AMDF基音周期检测算法

传统的基于AMDF及其改进算法LV-AMDF容易导致检测基音周期时产生加倍、减半等错误。针对该现象,分析了AMDF、LV-AMDF函数的特性及其用于基音检测时存在的不足,提出了幅值补偿AMDF算法来检测基音周期,降低了基音检测中经常出现的半频、倍频错误,提高了检测的精度。实验表明该方法基音检测性能优于AMDF和LV-AMDF的方法。     

基于子带能量的GMM含噪语音分类算法

语音分类是语音信号处理的重要组成部分.准确快速地对语音进行分类在语音编码、语音合成中有着重要的意义.针对当前一些常用分类特征和分类算法的不足,本文提出一种利用语音的Mel频率子带能量作为分类特征,建立高斯混合模型(GMM),运用最大后验概率准则对清音、浊辅音、元音分类的算法.仿真实验表明,在噪音环境下该算法仍可准确进行语音信号分类.     

汉语连续变调语音合成算法

汉语是声调语言,同一个音节带上不同的声调可以表述不同的语义。发音时两个或两个以上的音节连在一起时,音节所属调类调值所发生变化的现象称为“连读变调”,目前的语音合成系统没有考虑连续变调,使得合成语音自然度不够。采用TD-PSOLA对具有连续变调现象的语音进行合成,实验表明合成语音的自然度较高,是适合小语料库语音合成的良好算法。     

变滑动窗的话者转换算法

话者转换就是将A的语音转换为具有B发音特征的语音而保持内容不变。发音时基音周期是变化的,在语音转换的两话者特征参数匹配阶段,由于窗内语音信号周期不同,采用固定窗进行语音参数提取会造成了一定程度的匹配误差。提出的变滑动窗是按语音信号的基音周期变化来选择不同长度的滑动窗进行语音分割,这使得每个窗内的包含相同周期的语音信号,从而消除了由语音信号不同产生的参数差异。实验证明该方法提高了话者转换的效果。