基于離散變換域的語音合成算法研究

李亞文

（商洛學院 物理與電子信息工程系，陜西商洛 726000）

語音合成技術的發展起步較早，早在1791年由Wolfgang Von Kempelen等[1]發明的語音合成器，使得機器能用法語拼出完整的短語，英語文語轉換系統發展比較早，代表性是DECTalk語音合成器[2]，它可以發出7種不同音色的語音信號，用戶可以任意選擇，德國Franunhofer學會開發了DECTalk德語版本，它還被不同的國家轉化為烏克蘭語、俄語、匈牙利語等。從20世紀80年代我國自動化研究所、聲學研究所、社科院，就開始了語音合成方面的研究[3]，目前漢語語音合成系統都是采用波形拼接合成技術[4]，基于參數的語音合成算法，基于數據單元挑選語音合成算法和基于數據驅動的語音合成方法，以及語音識別中的數據驅動建模、最優搜索等[1-2,4]優秀的算法思想在語音合成中得到了廣泛的應用，然而這些算法各有優缺點，主要問題是占用的數據存儲空間較大，可懂度不高，從而影響了發音的質量，合成的語音音色單一，韻律結構預測誤差較大等。本文繼承基于參數的語音合成算法中線性預測的思想，提出了一種基于離散變換域的語音信號合成方法，對采樣的語音信號進行濾波，送入預測器中并進行語音預測，采用線性預測的方法壓縮語音數據量，大大的降低了語音信號的帶寬，再對語音信號加窗、基音提取，最后在聲道模型中重構合成語音信號。

1 離散變換域

離散信號相比模擬信號在傳輸中有明顯的優勢，因此大部分的信號傳輸都是要將模擬信號轉換為數字信號，其中語音信號的傳輸也是一樣。……