基于PSO优化GRNN的语音转换方法

• 作者: 杨秀峰 王民 要趁红
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 语音转换 广义回归神经网络模型 粒子群优化
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 752-756
• 页数: 5页
• 分类号: TN912.3
• 字数: 3761字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.04.024

摘要

提出了一种基于粒子群算法PSO优化广义回归神经网络GRNN模型的语音转换方法.首先,该方法利用训练语音的声道和激励源的个性化特征参数分别训练两个GRNN,得到GRNN的结构参数;然后,利用PSO对GRNN的结构参数进行优化,减少人为因素对转换结果的影响;最后,对语音的韵律特征、基音轮廓和能量分别进行了线性转换,使得转换后的语音包含更多源语音的个性化特征信息.主客观实验结果表明:与径向基神经网络RBF和GRNN相比,使用本文提出的转换模型获得的转换语音的自然度和似然度都得到了很大的提升,谱失真率明显降低并且更接近于目标语音.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王民	西安建筑科技大学信息与控制工程学院	108	458	11.0	17.0
2	要趁红	西安建筑科技大学信息与控制工程学院	27	68	5.0	6.0
3	杨秀峰	西安建筑科技大学信息与控制工程学院	3	2	1.0	1.0