| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8-9页 |
| 1.2 语音转换技术的研究意义 | 第9页 |
| 1.3 语音转换的发展历程 | 第9-11页 |
| 1.4 论文的主要研究内容以及工作内容安排 | 第11-13页 |
| 第二章 语音转换基本原理概述 | 第13-30页 |
| 2.1 声音相关知识 | 第13-15页 |
| 2.1.1 发生原理 | 第13页 |
| 2.1.2 语音信号产生的线性系统模型 | 第13-15页 |
| 2.1.3 语音信号的特征分布 | 第15页 |
| 2.2 语音信号特征分析技术 | 第15-19页 |
| 2.2.1 分帧 | 第15-16页 |
| 2.2.2 语音信号时域特性分析 | 第16-18页 |
| 2.2.3 语音信号频域特性分析 | 第18-19页 |
| 2.3 语音信号的提取与合成 | 第19-20页 |
| 2.4 常见的声音信号特征参数 | 第20-22页 |
| 2.4.1 线性预测系数 | 第20-21页 |
| 2.4.2 线谱频率参数 | 第21页 |
| 2.4.3 梅尔频率倒谱系数 | 第21-22页 |
| 2.5 对齐特征参数 | 第22-23页 |
| 2.6 声道谱特征的转换 | 第23-27页 |
| 2.6.1 矢量量化模型 | 第23-24页 |
| 2.6.2 线性多变量回归模型 | 第24-25页 |
| 2.6.3 说话人插值模型 | 第25页 |
| 2.6.4 高斯混合模型 | 第25-26页 |
| 2.6.5 人工神经网络模型 | 第26-27页 |
| 2.7 韵律特征转换 | 第27-28页 |
| 2.8 评价语音转换系统性能的方法 | 第28-29页 |
| 2.8.1 客观评价方法 | 第28-29页 |
| 2.8.2 主观评价方法 | 第29页 |
| 2.9 本章小结 | 第29-30页 |
| 第三章 改进粒子群优化径向基函数网络的声道谱转换 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 人工神经网络 | 第30-32页 |
| 3.2.1 基本概念 | 第30-31页 |
| 3.2.2 人工神经网络的种类 | 第31-32页 |
| 3.3 RBF神经网络及学习算法 | 第32-33页 |
| 3.4 改进的粒子群算法概述 | 第33-34页 |
| 3.5 基于改进粒子群算法的RBF神经网络 | 第34-35页 |
| 3.6 基于改进粒子群优化径向基函数神经网络的声道谱特征参数转换 | 第35-37页 |
| 3.7 实验结果分析 | 第37-39页 |
| 3.7.1 主观评价 | 第37-38页 |
| 3.7.2 客观评价 | 第38-39页 |
| 3.8 结论 | 第39-40页 |
| 第四章 自组织映射与径向基函数神经网络的声道谱参数转换 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 自组织特征映射网络 | 第40-44页 |
| 4.2.1 SOFM网络结构 | 第41-42页 |
| 4.2.2 聚类算法 | 第42-43页 |
| 4.2.3 确定竞争层神经元个数以及初始权值 | 第43页 |
| 4.2.4 响度邻域 | 第43-44页 |
| 4.3 训练声道谱参数转换规则 | 第44-45页 |
| 4.4 语音转换系统流程及框图 | 第45-46页 |
| 4.5 实验结果分析 | 第46-49页 |
| 4.5.1 主观评价 | 第47-48页 |
| 4.5.2 客观评价 | 第48-49页 |
| 4.6 结论 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50-51页 |
| 5.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 致谢 | 第56页 |