| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 语音转换的研究背景 | 第9页 |
| 1.2 语音转换的研究意义 | 第9-10页 |
| 1.3 语音转换的发展历程 | 第10-12页 |
| 1.4 语音转换的主要研究内容 | 第12页 |
| 1.5 论文的结构安排 | 第12-14页 |
| 第二章 语音转换技术的相关原理概述 | 第14-24页 |
| 2.1 语音信号的产生原理 | 第14-15页 |
| 2.2 语音信号的分析与合成模型 | 第15-16页 |
| 2.2.1 线性预测编码模型 | 第15-16页 |
| 2.2.2 谐波加噪声模型 | 第16页 |
| 2.2.3 STRAIGHT模型 | 第16页 |
| 2.3 常用的特征参数及其提取 | 第16-17页 |
| 2.3.1 线性预测系数 | 第17页 |
| 2.3.2 线谱频率参数 | 第17页 |
| 2.4 特征参数的对齐 | 第17-19页 |
| 2.4.1 平行特征参数的对齐 | 第18页 |
| 2.4.2 非平行特征参数的对齐 | 第18-19页 |
| 2.4.3 无特征参数的对齐 | 第19页 |
| 2.5 说话人特征参数的转换算法 | 第19-22页 |
| 2.5.1 谱特征参数的转换 | 第19-21页 |
| 2.5.2 韵律特征参数的转换 | 第21-22页 |
| 2.6 语音转换的评价指标 | 第22-23页 |
| 2.6.1 主观评价 | 第22页 |
| 2.6.2 客观评价 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第三章 基于GMM与ANN的混合语音转换算法研究 | 第24-30页 |
| 3.1 引言 | 第24页 |
| 3.2 高斯混合模型 | 第24-25页 |
| 3.3 人工神经网络模型 | 第25-26页 |
| 3.4 基于GMM与ANN的混合语音转换 | 第26页 |
| 3.5 实验与仿真 | 第26-29页 |
| 3.5.1 实验条件 | 第27页 |
| 3.5.2 主观评价 | 第27-28页 |
| 3.5.3 客观评价 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 基于聚类与小波分析的频谱转换系统 | 第30-39页 |
| 4.1 引言 | 第30页 |
| 4.2 模糊K均值聚类算法 | 第30-32页 |
| 4.3 小波分析 | 第32-34页 |
| 4.4 基于模糊K均值聚类与小波分析的频谱转换 | 第34-35页 |
| 4.5 实验与仿真 | 第35-38页 |
| 4.5.1 数据库 | 第36页 |
| 4.5.2 主观评价 | 第36-37页 |
| 4.5.3 客观评价 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 基于自适应粒子群优化RBF神经网络的语音转换 | 第39-47页 |
| 5.1 引言 | 第39页 |
| 5.2 算法描述 | 第39-43页 |
| 5.2.1 径向基函数神经网络的结构及其参数分析 | 第40-41页 |
| 5.2.2 自适应粒子群算法 | 第41-42页 |
| 5.2.3 基于自适应粒子群优化的径向基函数神经网络 | 第42-43页 |
| 5.3 实验与仿真 | 第43-45页 |
| 5.3.1 数据库 | 第43页 |
| 5.3.2 主观评价 | 第43-44页 |
| 5.3.3 客观评价 | 第44-45页 |
| 5.4 本章小结 | 第45-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第52-53页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第53-54页 |
| 致谢 | 第54页 |