90、语音重建与分类器层次结构研究

语音重建与分类器层次结构研究

1. 语音重建相关研究

1.1 基音与共振峰频率关系

研究发现，音高和共振峰频率成反比。以说话者 1 发出的耳语音素 /AA/ 为例，其基音周期最低时，第二共振峰频率最高。参考基音（reference pitch）可通过以下公式计算：
[a = \frac{p_{highest}-p_{lowest}}{f_{highest}-f_{lowest}}]
[p_{referans}=f_2 - a * (f_{lowest}-p_{lowest})]
其中，(f_{highest}) 是基音最高的说话者的第二共振峰频率，(p_{highest}) 是该说话者的基音；(f_{lowest}) 是基音最低的说话者的第二共振峰频率，(p_{lowest}) 是该说话者的基音。在提出的系统中，(f_{highest})、(p_{highest})、(f_{lowest}) 和 (p_{lowest}) 分别设为 897、89、1788 和 20。

1.2 共振峰结构修改

为获得窄带宽和改变的频率，系统采用基于线性预测倒谱系数（LSF）的共振峰结构修改方法。在元音期间，使用中值滤波器对线性预测谱对（LSP）轨迹进行平滑处理，同时不破坏音素快速变化的频谱内容。

1.3 实验结果

• 数据采集 ：从 5 名男性和 2 名女性患有发声障碍的土耳其母语者那里录制了 50 个三音素平衡的句子。
• 声学特征保留效果 ：保留清音音素的声学特征可提高合成语音的可懂度。以单