一种基于遗传算法的语音转换参数寻优方法

技术特征：
1.一种基于遗传算法的语音转换参数寻优方法，其特征在于，包括以下步骤：(1)源语音和目标语音的获取；源语音和目标语音需要并行语音语料；语音语料集采用相同的采样率，音频格式为wav格式；(2)滤波器参数的选择；滤波器参数的选择包括但不限于音高、混响，通过滤波器进行提取；(3)基于竞争自适应遗传算法进行滤波器参数寻优，得到最优参数；根据选择的滤波器参数与源语音构建转换函数，为接下来使用竞争自适应遗传算法做准备；(4)根据评价指标，对最优参数进行评价；其中，评价指标使用梅尔倒谱失真(mcd)，梅尔倒谱失真本质上是一个加权欧氏距离，定义为其中，和分别表示目标和估计的梅尔倒谱系数。2.根据权利要求1所述的一种基于遗传算法的语音转换参数寻优方法，其特征在于，本发明方法的语音转化过程，是使用在竞争进化自适应遗传算法中得到的最优参数，再将源语音x带入到转换函数f(x)中，得到转换后的语音y。3.根据权利要求2所述的一种基于遗传算法的语音转换参数寻优方法，其特征在于，本发明方法的语音转化过程，具体如下：(1)源语音的输入；通过麦克风进行语音录入，保存为wav文件，音频参数和参数寻优时使用的参数一致；(2)根据目标语音选取最优滤波器参数，以及语音转换函数f(θ1，θ2，
…
，θ
n
，x)；(3)源语音音频作为x，最优滤波器参数θ1，θ2，
…
，θ
n
代入语音转换函数f(θ1，θ2，
…
，θ
n
，x)，完成语音转换，生成转换后的语音y。4.根据权利要求1所述的一种基于遗传算法的语音转换参数寻优方法，其特征在于，本发明方法的遗传算法的流程，包括以下步骤：步骤(1)、参数初始化：包括遗传代数(n)、种群的规模(popsize)、种群精英保留数(k)、基因编码长度(l)、基因交叉的概率(pc)和基因变异的概率(pm)；并对韵律特征参数进行二进制编码，得到染色体，然后随机初始化种群；步骤(2)、计算每个染色体的适应度：适应度函数f是判断种群里染色体优劣的指标，结合语音转换的损失函数；适应度函数f的定义如下：f值越大表明该染色体有越高的环境适应度，在环境中的生存优势越明显，是更优异的染色体；适应度越高的染色体遗传给下一代的概率就越大,反之则越小；步骤(3)、选择操作：先选择种群中适应度最高的k个染色体，k∈(0,m),m是一个种群中染色体的数量，保留这k个染色体的遗传信息直接作为新种群中的染色体，再从新的种群中采用轮盘赌的方式随机选取匹配两个染色体；步骤4、交叉操作：采用多点交叉遗传的方式，即通过亲本a和b，获得子代c1和c2，其中
随机交叉点是常数变量，由随机数产生；步骤5、变异操作：竞争进化自适应遗传算法中的计算方式如下式：其中k是常数，赋值0.1，n是当前代遗传次数，n∈(0,n)，n是最大遗传代数，fsum为产生新染色体的父本适应度和，fmax是当前种群里的环境适应度最大值，通过计算，变异概率pm根据不同的遗传代数和当前代产生子种群的相关适应度计算出相适应的值，此过程模拟了自然环境中遗传突变概率的变化，使染色体变异概率有效收敛；步骤6、重复步骤3到步骤5的操作，生成多个子代染色体，直到新种群中的染色体数量达到种群数量标准m；当满足结束种群遗传条件时，输出最后的种群，其中适应度最高的染色体的基因为语音转换滤波器的最优参数。5.根据权利要求4所述的一种基于遗传算法的语音转换参数寻优方法，其特征在于，所述多点交叉遗传如下式：c
′1和c
′2是由亲本多点交叉得到的子代，式中的m1、m2、m3...mk由随机数产生，k也随机产生。

技术总结
本发明公开了一种基于遗传算法的语音转换参数寻优方法，属于语音转换领域；所述方法包括：源语音和目标语音的获取；选择与获取影响语音特征的滤波器参数；根据参数构建初始种群，计算染色体适应度，进行交叉和变异，得到最佳种群，输出适应度最大的染色体为最优参数；在遗传算法的选择过程中使用精英策略，创新性的提出多点交叉技术进行子代繁衍，在变异过程中，提出自适应变异概率计算方法；使用最佳种群中适应度最大的个体作为最优参数进行语音转换。本发明利用遗传算法对语音转换滤波器进行参数寻优，在不损失语音质量的基础上，减少了传统算法中对语料集的大量需求，提高了语音转换和参数寻优效率。转换和参数寻优效率。转换和参数寻优效率。


技术研发人员：曹丹阳 缪承志 张泽益
受保护的技术使用者：北方工业大学
技术研发日：2022.09.02
技术公布日：2022/11/29