基于MFCC和GMM语音转换技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 语音转换的定义 | 第7页 |
| 1.2 语音转换的意义与应用 | 第7-8页 |
| 1.3 国内外研究现状及问题 | 第8-9页 |
| 1.4 论文内容和结构安排 | 第9-12页 |
| 2 语音转换相关理论 | 第12-26页 |
| 2.1 语音发音系统 | 第12-13页 |
| 2.2 语音信号的数学模型 | 第13-15页 |
| 2.3 语音信号的时域分析 | 第15-16页 |
| 2.3.1 短时能量和短时平均幅度 | 第15-16页 |
| 2.3.2 短时平均过零率 | 第16页 |
| 2.4 语音信号的频域分析 | 第16-17页 |
| 2.5 相关声学参数 | 第17-18页 |
| 2.6 语音转换的主要方法 | 第18-23页 |
| 2.6.1 矢量量化法 | 第18-19页 |
| 2.6.2 说话人插值法 | 第19-20页 |
| 2.6.3 线性多变量回归法 | 第20-21页 |
| 2.6.4 神经网络法 | 第21页 |
| 2.6.5 高斯混合模型法 | 第21-22页 |
| 2.6.6 隐马尔科夫模型法 | 第22-23页 |
| 2.7 评价标准 | 第23-26页 |
| 2.7.1 客观评价标准 | 第24页 |
| 2.7.2 主观测试标准 | 第24-26页 |
| 3 特征参数 | 第26-36页 |
| 3.1 常见特征参数 | 第26-28页 |
| 3.1.1 LPC系数 | 第26-27页 |
| 3.1.2 LPCC特征参数 | 第27-28页 |
| 3.1.3 MFCC特征参数 | 第28页 |
| 3.2 人的听觉系统和语音的感知 | 第28-30页 |
| 3.2.1 听觉系统的生理机制 | 第28-29页 |
| 3.2.2 听觉特性 | 第29-30页 |
| 3.3 Mel频率简介 | 第30-36页 |
| 3.3.1 梅尔倒谱系数MFCC及其提取算法 | 第31页 |
| 3.3.2 求取MFCC系数的具体算法和步骤 | 第31-36页 |
| 4 语音转换的实现过程 | 第36-49页 |
| 4.1 提取部分 | 第36-41页 |
| 4.2 训练部分 | 第41-45页 |
| 4.2.1 动态时间规整DTW | 第41页 |
| 4.2.2 训练算法 | 第41-45页 |
| 4.3 转换部分 | 第45-49页 |
| 4.3.1 最小均方误差(MMSE)准则 | 第45页 |
| 4.3.2 转换算法 | 第45-47页 |
| 4.3.3 语音的后期处理 | 第47-49页 |
| 5 实验与仿真 | 第49-53页 |
| 5.1 实验准备 | 第49页 |
| 5.1.1 实验的语音库 | 第49页 |
| 5.1.2 性能指标 | 第49页 |
| 5.2 实验结果与分析 | 第49-52页 |
| 5.2.1 MFCC系数对转换性能的影响 | 第49-50页 |
| 5.2.2 GMM方法对转换性能的影响 | 第50-51页 |
| 5.2.3 说话人对转换性能的影响 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
