西 北 师 范 大 学 学 报 （自然科学版） 第 ４９ 卷 ２０１３ 年第 ２ 期
Journal of Northwest Normal University （Natural Science） Vol． ４９ ２０１３ No． ２
收稿日期： ２０１２０９１３； 修改稿收到日期： ２０１３０２２５
基金项目： 国家自然科学基金资助项目（６０８７５０１５，６１２６３０３６，６１２６２０５５）； 甘肃省自然科学基金资助项目（１１０７RJZA１１２）
作者简介： 杨鸿武 （１９６９—）， 男， 甘肃合作人， 教授， 博士 ． 主要研究方向为语音信号处理 ．
Email： yanghw ＠ nwnu． edu．cn
基 于 FDA 的 基 频 建 模
杨鸿武， 王红丽， 裴 东， 郭威彤
（西北师范大学 物理与电子工程学院， 甘肃 兰州 ７３００７０）
摘 要： 提出了一种利用 FDA 方法对语音基频包络建模的新方法 ． 用 B－样条 函数对 ４ 种 声调的单字 基频抽取其 基频
样点进行数据平滑处理， 得到平滑后的基频曲线， 将平滑后的基频曲线进行 ２ 次时间校准处理， 得到 拟合后的基 频曲
线 ． 将原始基频 与拟 合 后 的 基 频 曲 线 进行 对 比， 实 验 结 果 表 明， 文 中 提 出 的 方 法 建 立 的 基 频 模 型 的 均 方 误 差 为
６． ４７ Hz， 可应用于语音合成等语音信息处理中 ．
关键词： 泛函数据分析（FDA）； 基频曲线； 基频建模； B－样条函数
中图分类号： TN ９１２． ３ 文献标识码： A 文章编号： １００１－９８８Ⅹ（２０１３）０２－００４０－０５
Modeling pitch contour based on functional data analysis
YANG Hong－wu， WANG Hong－li， PEI Dong， GUO Wei－tong
（College of Physics and Electronic Engineering， Northwest Normal University， Lanzhou ７３００７０， Gansu， China）
Abstract： A novel method for modeling pitch contour with FDA method is presented ． By smoothing the
pitchs samples of four kinds of Mandarin monotone with B－spline basis function， the fitted pitch contour
is obtained ． Comparing the pitch contours of before alignment and after alignment， the experimental
results demonstrated that proposed method can accurately model the pitch contours with ６．４７ Hz of mean
root error ． Proposed method can be applied to speech synthesis ．
Key words： FDA； pitch contour； pitch modeling； B－spline
近几年来， 语音合成技术得到广泛的推广和应
用， 因此对合 成 语 音 的 质 量 提 出 了 越 来 越 高 的 要
求 ． 如果合成语音过程中能更大限度地表征语音的
个性特征， 赋予语音感情色彩， 使得合成的语音能
够表情达意， 那么合成语音的自然度必将获得很大
的提高 ．
在汉语中， 语音基频包络的变化表征了音节的
声调特征， 也体现了连续语流中主要的韵律的变化
趋势特征 ． 基频包络不仅携带了声调信息， 而且携
带了语调信息， 体现了声调和语调最显著的声学特
征 ． 人类所发出的语言自然流畅， 是因为基频包络
中包含了语音、语法、情感以及发音实体等多方面
的因素 ． 所以， 要使计算机发出与人类同样高的自
然度的合成语音， 就要使合成语音的基频包络融入
更多的语音信息 ． 总之， 合理恰当地控制基频包络
是提高合成语音自然度的重要因素之一 ．
目前已有很多研究者对基频包络进行了深入的
研究并对其进行了建模 ． 贾珈等
［ １ ］
利用混合聚类
算法实现了语音基频建模； Fujisaki 等
［ ２ ］
提出了一
种利用喉部结构和喉部肌肉相互作用的关于基频的
Fujisaki 模型； 许毅等
［ ３ ］
针对汉语音节的基频模型
框架提出了 Pitch－Target 模型； 梁青 青 等
［ ４ ］
利用
归一化的五度字调法建立了基频模型 ． 但是这些模
型不能简单灵活地调整和控制语音基频包络的形
状 ． 在自然的情感语音中， 同声调的音节的基频包
络形状针对不同情感存在一定的差异 ． 例如， 中性
语音的基频包络形 比较平缓， 而愤怒的语音， 其
基频包络则显得陡峭 ． 由于 FDA 方法
［ ５ ］
采用多个
４４
资源评论
