基于个性声学特征的语音转换算法研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 语音转换的基本概念 | 第9-10页 |
| 1.2 语音转换的研究意义 | 第10-11页 |
| 1.3 课题研究现状 | 第11-13页 |
| 1.3.1 国外现状分析 | 第11-12页 |
| 1.3.2 国内现状分析 | 第12-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 论文内容安排 | 第14-15页 |
| 2 语音转换理论基础 | 第15-23页 |
| 2.1 语音产生原理 | 第15-16页 |
| 2.2 语音信号的数字模型 | 第16-19页 |
| 2.3 语音信号动态时间规整 | 第19-20页 |
| 2.4 语音转换系统原理简介 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 语音信号分析处理 | 第23-37页 |
| 3.1 语音信号预处理 | 第23-25页 |
| 3.2 语音信号时域分析方法 | 第25-27页 |
| 3.2.1 短时能量和短时平均幅度分析 | 第26页 |
| 3.2.2 短时过零率分析 | 第26-27页 |
| 3.2.3 短时相关分析 | 第27页 |
| 3.3 语音信号频域分析 | 第27-29页 |
| 3.4 语音信号语谱分析 | 第29-30页 |
| 3.5 语音信号个性特征 | 第30-33页 |
| 3.5.1 语音个性特征概论 | 第31页 |
| 3.5.2 语音个性特征参数 | 第31-33页 |
| 3.6 STRAIGHT语音分析合成模型 | 第33-36页 |
| 3.7 本章小结 | 第36-37页 |
| 4 融合GMM与GRNN的语音转换模型 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 GMM模型概述 | 第37-39页 |
| 4.3 广义回归神经网络 | 第39-41页 |
| 4.4 融合GMM与GRNN转换模型的算法步骤 | 第41-43页 |
| 4.5 实验与仿真 | 第43-47页 |
| 4.5.1 实验设计 | 第43页 |
| 4.5.2 性能评价 | 第43-47页 |
| 4.6 本章小结 | 第47-49页 |
| 5 基于QPSO优化GRNN的语音转换方法 | 第49-61页 |
| 5.1 引言 | 第49页 |
| 5.2 量子粒子群优化广义回归神经网络 | 第49-54页 |
| 5.2.1 PSO算法基本原理 | 第49-50页 |
| 5.2.2 QPSO优化算法 | 第50-52页 |
| 5.2.3 QPSO优化GRNN算法步骤 | 第52-54页 |
| 5.3 基于QPSO-GRNN的语音转换方案 | 第54-55页 |
| 5.4 实验与仿真 | 第55-59页 |
| 5.4.1 实验设计 | 第55页 |
| 5.4.2 性能评价 | 第55-59页 |
| 5.5 本章小结 | 第59-61页 |
| 6 总结与展望 | 第61-65页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 研究展望 | 第62-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间发表的学术论文及成果 | 第71页 |
