统计参数语音合成中的频谱建模及生成方法研究的中期报告.docx

统计参数语音合成中的频谱建模及生成方法研究的中期报告
在语音合成中，频谱建模及生成是非常重要的环节。本文将中期研究报告分为两部分：频谱建模和频谱生成。
一、频谱建模
频谱建模是指通过分析音频信号的谱图来确定语音的特征。目前广泛使用的频谱建模方法有线性预测编码（LPC）和倒谱（cepstral）分析。
1.LPC
LPC是将语音信号看作是线性组合的结果，通过将语音信号拆分成线性组合的形式来进行分析。LPC可以通过声道模型来精确地描述语音信号的频率特征，从而可以准确地在频率域中构建语音模型。LPC通过一个称为自相关函数的函数来估计语音信号和滤波器的特点。
2.倒谱分析
倒谱分析可以将语音信号的频域特征转换为cepstral域特征，进而实现语音合成。倒谱分析的核心是倒谱变换，它是cepstrum的反变换。倒谱分析可以将语音的信号按特定的频率范围进行分析，然后从语音信号中提取出比较明显的谐波结构。此外，倒谱分析还可以根据声学模型，对语音信号的特征进行建模，并进行频谱计算。
二、频谱生成
基于频域进行语音合成，主要是通过对语音信号的频域信息进行重建。常用的方法有傅里叶变换、谱削减和基于模型的合成方法。
1.傅里叶变换
傅里叶变换是一种可以将时域上的信号转换到频域上的方法。由于语音信号是一种时域信号，因此通过傅里叶变换将时域信号转换为频域信号，可以从信号的频域特征进行语音生成。
2.谱削减
谱削减方法是常用的对语音信号进行频谱合成的方法。谱削减方法将语音信号的频谱表示为一个与频率有关的函数，并对这个函数进行削减操作。谱削减可以从音频信号中提取特征，以实现高保真度语音合成。谱削减有多种算法，常见的有保角谱削减算法（MASP）和线性谱削减算法（LSP）。
3.基于模型的合成方法
基于模型的频谱合成方法是一种利用语音信号的数学模型进行语音合成的方法。该方法通过对语音信号进行建模，从而实现对语音的逆合成。基于模型的合成方法可以提高语音合成的音质，并提高语音生成的准确度。
总结起来，频谱建模及生成方法是语音合成中的重要环节，主要通过对语音信号的频域信息进行建模和重建来实现语音合成。常用的频谱建模方法包括LPC和倒谱分析，频谱生成方法包括傅里叶变换、谱削减和基于模型的合成方法。