情感语音神经计算模型中情感语音生成方法研究

摘要

在人类产生语音时，情感的表达这一重要过程中，人类大脑中涉及情感语音生成和情感语音理解区域的控制机理和相关功能是非常复杂的，在这之中包括了许多复杂的神经处理过程，而建立情感语音神经计算模型的目的就是为了模拟这一过程。但是，现阶段的语音神经计算模型还只能模拟普通简单语音的生成机理和过程，其中缺乏情感这一重要信息，而情感语音神经计算模型的建立就是为了探究和模拟这一机理，帮助人们揭示和验证人类情感语音产生的神经处理过程。而在该模型中，情感语音合成的质量和方法的选取都会很大程度影响该模型的正确性，因为该模型是为了模拟人类情感语音的产生过程，所以生成的语音质量以及生成的过程是否符合人类控制机理都会影响情感语音神经计算模型模拟的准确性。所以建立一个正确且高质量的情感语音合成模型对情感语音神经计算模型的建立起着至关重要的作用。
　　本文提出了一种基于传统共振峰语音合成器和逻辑回归模型的合成方法，建立了一个用于情感语音神经计算模型的情感语音合成模型。该模型通过探究人类情感语音产生过程中，基音频率与共振峰之间的关系，来实现情感语音的合成，基音频率反映了声源即声带的震动频率与大小，而共振峰反映了声道的变化，在人类实际语音产生的过程中也是通过改变两者来产生相应的情感语音，这符合神经计算模型以及实际生活中人类语音产生过程中的生理意义。
　　本文在研究情感语音合成方法时，使用了三种不同语种的语音语料库，并将其中的情感划分为三类，即正、中和负性情感。研究了在不同情感下，语音中基音频率与共振峰的关系，并使用逻辑回归模型对两者的关系进行建模。对于不同情感的基音频率，逻辑回归模型可以预测出相应的共振峰，这样使用这两种参数通过Klatt共振峰合成器就可以合成出相应的情感语音。实验结果显示，虽然语料来自三种不同的语言，但是他们在不同情感下的基音频率与共振峰的呈现出类似的关系，在同时改变基音频率与共振峰合成的语音的情感表达上也优于仅仅通过修改基音频率而产生的情感语音，并且这个情感语音合成模型也符合神经计算模型的定义。

目录

声明

第1章绪论

1.1课题背景

1.2国内外研究现状

1.3本文内容及创新点

1.4研究意义

1.5本文结构

第2章神经计算模型及情感语音合成方法

2.1 DIVA模型概述

2.2情感语音合成

2.3情感语音的韵律特征

2.4本章小结

第3章用于DIVA模型的情感语音合成模型

3.1逻辑回归模型

3.2特征选择

3.3特征提取

3.4基于逻辑回归模型的情感语音合成方法

3.5本章小结

第4章实验及实验结果分析

4.1语音语料库

4.2逻辑回归模型的训练结果分析

4.3基于逻辑回归模型的共振峰修改方法评价

4.4情感语音合成结果评价

4.5本章小结

第5章总结与展望

5.1总结

5.2展望

参考文献

发表论文和参加科研情况说明

致谢