【正文】 序列，比如對一些地震應(yīng)用、 腦電 圖及解卷積 等 問題。這里，線性預(yù)測的基本問題是由語音信號直接決定一組預(yù)測系數(shù) ^{}ia ，使預(yù)測誤差在某個準(zhǔn)則下最小。 ia 系數(shù)稱為線性預(yù)測系數(shù)。 圖 31 是 信號 )(ns 的模型化 框圖 。自然度用來評價合成語音是否接近自然語音的音色和韻律；若自然度低下，也會使合成語音難以被聽懂。在參數(shù)合成法中，每個合成單元的每幀合成參數(shù)直接從該合成單元實(shí)際錄音中提取；而在規(guī)則合成法中，是在分析大量語音材料的基礎(chǔ)上，經(jīng)反復(fù)調(diào)試選擇出來的。 合成參數(shù)是指在參數(shù)合成法和規(guī)則合成法中，控制語音合成器所需要的參數(shù)。 合成單元是系統(tǒng)處理的最小語音單位。 表 31 三種語音合成方式特征比較 [3] 波形合成法 參數(shù)合成法 規(guī)則合成法 基本信息 波形 特征參數(shù) 語言的符號組合 語音 質(zhì)量 可懂度 高 高 中 自然度 高 中 低 詞匯量 ?。?500 字以下） 大（數(shù)千字） 無 限 合成方式 PCM、 ADPCM、 APC LPC、 LSP、共振峰 LPC、 LSP、共振峰 數(shù)碼率 ~64kbit/s ~~75kbit/s 1Mbit 可合成 的語音長度 15~100s 100s~7min 無限 合成單元 音節(jié)，詞組，句子 音節(jié)，詞組，句子 音素，音節(jié) 裝置 簡單 比較復(fù)雜 復(fù)雜 硬件主體 存儲器 存儲器和微處理器 微處理器 由 表 31 可知，參數(shù)合成法是一種比較理想的語音合成方法 。合成的詞匯表不事先確定，系統(tǒng)中存儲的是最小語音單位（如音素或音節(jié)）的聲學(xué)參 數(shù)，以及由音素組成音節(jié)、由音節(jié)組成詞、由詞組成句子以及控制音調(diào)、輕重等韻律的各種規(guī)則。當(dāng)然，這種方法在以高效的編碼來減少存儲空間，西南科技大學(xué)本科生畢業(yè)論文 12 抽取參數(shù)或編碼過程中難免存在逼近誤差，但這是以犧牲音質(zhì)為代價的，使合成語音的音質(zhì)欠佳。參數(shù)合成法也稱為分析 合成法，它采用聲碼器技術(shù)，是一種比較復(fù)雜的方法。當(dāng)然，可以使用波形編碼技術(shù)（如 ADPCM， APC 等）壓縮一些存儲量，為此在合成時要進(jìn)行譯碼處理。它把人發(fā)音的語音波形直接存儲或者進(jìn)行波形編碼后存儲，根據(jù)需要編輯組合輸出。語音合成的基礎(chǔ)是語音特性的分析和發(fā)音模型 的建立。其中第一步涉及語 言學(xué)處理，例如分詞、字音轉(zhuǎn)換等，以及一整套有效的韻律控制規(guī)則；第二步需要先進(jìn)的語音合成技術(shù)，能按要求實(shí)時合成出高質(zhì)量的語音流。不難想象，即使是按規(guī)則的文字到語音合成（文語合成）也已經(jīng)是相當(dāng)困難西南科技大學(xué)本科生畢業(yè)論文 11 的任務(wù)。因此，只要正確控制激勵源和濾波器參數(shù)（一般每隔 10～ 30ms 送一組），這個模型就能靈活地合成出各種語句來，因此又稱作為參數(shù)合成的方法。簡單地將預(yù)先 存入的單 音或詞組拼接起來也能作到“機(jī)器開口”，但是“一字一蹦”， 機(jī)器味十足，人們很難接受。 西南科技大學(xué)本科生畢業(yè)論文 10 第 3 章 語音合成 系統(tǒng)的分析 基本的語音合成方法 語音識別和語音合成技術(shù)是實(shí)現(xiàn)人機(jī)語音通信，建立一個有聽和講能力的口語系統(tǒng)所必需的兩項關(guān)鍵技術(shù)。如果聲帶是完全舒展開來，則肺部發(fā)出的空氣流將不受影響地通過聲西南科技大學(xué)本科生畢業(yè)論文 9 門。 語音產(chǎn)生 的過程 空氣從肺部排除形成氣流。 聲道是聲門至嘴唇的所有器官 由咽、口腔和鼻腔組成，它是一根從聲門延伸至口唇的非均勻截面的聲管，其外形變化是時間的函數(shù)，發(fā)不同音時其形狀變化是非常復(fù)雜的。每開啟和閉合一次的時間即振動周期 稱為音調(diào)周期或基音周期，其倒數(shù)稱為基音頻率，也簡稱基頻。呼吸時左右兩聲帶打開，講話時聲帶合攏起來。在說話的時候，聲門處氣流沖擊聲帶產(chǎn)生振動，然后通過聲道 響應(yīng)變成語音。人的發(fā)音器官包括肺、氣管、喉（包括聲帶）、咽、鼻和口等 。選擇表現(xiàn)其內(nèi)容的適當(dāng)語句，將其按文法規(guī)則排列，便能構(gòu)成語言的形式。自然界中包含各種各樣的聲音，如風(fēng)聲 、雷聲、雨聲、機(jī)械發(fā)出的聲音，樂器發(fā)出的聲音等。而聲調(diào)音位是從音高這種非音質(zhì)角度歸納出來的，稱為非音質(zhì)音位。而 /h/和 /n/的對立也能起到區(qū)別意義的作用，它們不能再分割，是最小的單位，屬于音位。 音位能區(qū)別意義， bān（班）和 pān（潘）意義不同，就是因為 /b/和 /p/有區(qū)別意義的作用。聲調(diào)包 括調(diào)值和調(diào)類兩個方面。如漢語中的“語”、西南科技大學(xué)本科生畢業(yè)論文 7 “與”、“雨”，英語中的“ site”、“ sight”、“ cite”等就是同音異義詞。而音節(jié)的定義不一定明確，但是一個音節(jié)可以是 1 個元音和1~2 個輔音組合。 由聲帶振動產(chǎn)生的音稱為濁音。一個音節(jié)由元音和輔音構(gòu)成。實(shí)際上，各種音素組合而 構(gòu)成語音時的連接方法有 幾種限制，并不是所有的組合都存在。 西南科技大學(xué)本科生畢業(yè)論文 6 第 2 章 語音合成技術(shù)的基礎(chǔ)理論 語音的基本概念 音素和音節(jié) 說話的時候，很自然地一次發(fā)出來的、有一個響亮的中心的、聽的時候也很自然地感到是一個小的語音片段的，稱為音節(jié)。這更突出 了 將來 FPGA 在語音合成方面的重要地位及意義。 FPGA 的應(yīng)用 對于提高合成語音的自然度，豐富合成語音的表現(xiàn)力，降低語音合成技術(shù)的復(fù)雜度，多語種文語合成 等具有重要的 意義?？梢娨嬲鉀Q多語種的文語合成，從文本處理到語音合成都必須有新的思路。 多語種文語合成 語言是人們交流的工具，不同民族有自己不同的語言，不同語言之間的交流在今天開放的信息社會和網(wǎng)絡(luò)時代顯得十分重要，多語種的文語合成有著獨(dú)特的應(yīng)用價值。目前高質(zhì)量的漢語文語轉(zhuǎn)換系統(tǒng)一般需要幾兆字節(jié)到幾十兆，甚至幾百兆字節(jié)的存儲容量，這在以 PC 機(jī)或工作站為硬件平臺的應(yīng)用中是沒有問題的，而對于 像 HPC， PDA 及無線通信手機(jī)，商務(wù)通等資源有限的設(shè)備上就沒法承受。近 年來提出的基于 LMA（ 對數(shù)振幅近似）技術(shù)的語音合成器， Hybrid Harmonic/Stochastic 模型， Sinusoidal 模型等已被證實(shí)是一些新穎的能合成出高質(zhì)量語音的參數(shù)合成方法，為此應(yīng)繼續(xù)深入這方面的研究，以期在參數(shù)合成技術(shù)上取得突破。這不僅對語音合成技術(shù)提出了更高的要求，而且涉及到計算機(jī)語言生成，涉及人類大腦的高級神經(jīng)活動。還有前端文本處理 ,對合成語音的自然度也具有舉足輕重的影響 ,完整全面的解決 ,需要自然語言理解的突破。 基于語音數(shù)據(jù)庫的語音合成方法有望進(jìn)一步提高語音合成的自然度。最近中國科技大學(xué)又推出了 KD2020 漢語文語轉(zhuǎn)換系 統(tǒng)，不僅在語音合成技術(shù)方面有進(jìn)一步的發(fā)展，特別是在文本預(yù)處理中圍繞層次化結(jié)構(gòu)思想，運(yùn)用大量的統(tǒng)計和規(guī)則的方法，較好地解決了三個大的處理環(huán)節(jié)：特殊符號處理，分詞處理和拼接處理，使得漢語文語轉(zhuǎn)換系統(tǒng)的整體性能有很大提高。先后應(yīng)用于為深圳華為技術(shù)公司設(shè)計的“ 114 自動電話報號系統(tǒng)” 和國家工商總局設(shè)計的“工商企業(yè)語音（傳真）查詢系統(tǒng)”。和采用國內(nèi)外流行的 PSOLA 技術(shù)的系統(tǒng)相比，在輸出語音的音質(zhì)和自然度上有了突破性的提高。在國家 863西南科技大學(xué)本科生畢業(yè)論文 2 計劃，國家自然科學(xué)基金委，國家攻關(guān)計劃，中國科學(xué)院有關(guān)項目等支持下，漢語文語轉(zhuǎn)換系統(tǒng)研究近年來取得了令人舉目的進(jìn)展，其中不乏成功的例子：如中國科學(xué)院聲學(xué) 所的 KXPSOLA（ 1993） ,聯(lián)想佳音 （ 1995） ， 清華大學(xué)的 TH_SPEECH(1993)，中國科技大學(xué)的 KDTALK（ 1995） 等系統(tǒng)。在這個方法中，合成語句的語音單元是從一個預(yù)先錄 下的龐大的語音數(shù)據(jù)庫中挑選出來的，不難想象只要語音數(shù)據(jù)庫足夠大，包括了各種可能語境下的語音單元，理論上講有可能拼接出任何語句。自八十年代末期至今，語言合成技術(shù)又有了新的進(jìn)展，特別是基音同步疊加 （ PSOLA） 方法的提出 （ 1990） ，使基于時域波形拼接方法合成的語音的音色和自然度大大提高。在語音合成技術(shù)的發(fā)展中，早期的研究主要是采用參數(shù)合成方法。 33 激勵發(fā)生器的 FPGA 實(shí)現(xiàn) 26 格型濾波器反射系數(shù)分析 25 IIR 格型濾波器的設(shè)計 13 基本原理 12 線性預(yù)測分析的基本原理 10 波形合成法 7 發(fā)音器官介紹 6 語音的基本概念 1 語音合成技術(shù)概述 Finally, bine controling circuitry with timing circuitry to plete speech synthesis. Key words: Linear prediction synthesis, Lattice synthesis filter, Excitation generator 西南科技大學(xué)本科生畢業(yè)論文 III 目 錄 摘 要 格型合成濾波 器 運(yùn) 用 Matlab、 DSP Builder和 QuartusII 工具 設(shè)計 實(shí)現(xiàn) ； 激勵發(fā)生器用 周期斜三角波 脈沖 模擬設(shè)計 ； RAM 用 FPGA中的 宏模塊設(shè)計 以暫時存儲 線性 預(yù)測器提供的 能量、 ik 等數(shù)據(jù)； 最后 結(jié)合 控制電路和時序電路 完成語音合成 。西南科技大學(xué)本科生畢業(yè)論文 I 基于 FPGA 的 線性預(yù)測 語音合成器 設(shè)計 摘要 ： 線性預(yù)測合成法 是一種 在理論上相對比較成熟、易于實(shí)現(xiàn) 的 語音 合成方法 。 論文對格型合成濾波器原理進(jìn)行了分析討論，著重闡明了反射系數(shù) ik 的推導(dǎo)過程。 Using LPM of FPGA to design RAM for storing energy, reflection coefficient and other data which providing by the linear predictor。 1 國內(nèi)外語音合成技術(shù)發(fā)展現(xiàn)狀 2 課題來源及意義 7 語音產(chǎn)生的過程 8 第 3 章 語音合成系統(tǒng)的分析 13 語音信號的線性預(yù)測分析 23 第 5 章 語音合成系統(tǒng)的實(shí)現(xiàn) 26 格型濾波器的 Simulink 模型 近幾十年來國際和國內(nèi)的研究主要集中在按規(guī)則文語轉(zhuǎn)換，即將書面語言轉(zhuǎn)換成口頭語言。但是經(jīng)過多年的研究與實(shí)踐表明，由于準(zhǔn)確提取共振峰參數(shù)比較困難，雖然利用共振峰合成器可以得到許多逼真的合成語音，但是整體合成語音的音質(zhì)難以達(dá)到文語轉(zhuǎn)換系統(tǒng)的實(shí) 用要求。最近幾年，一種新的基于數(shù)據(jù)庫的語音合成方法正引起人們的注意。大致也經(jīng)歷了共振峰合成、 LPC 合成 至應(yīng)用 PSOLA 技術(shù)的過程。 1998 年中國科技大學(xué)在國家 863 計劃和國家自然科學(xué)基金委支持下，研制成功KD863 漢語文語轉(zhuǎn)換系 統(tǒng)。 KD863 文語轉(zhuǎn)換系統(tǒng)一經(jīng)推出，就因其合成語音 的高清晰度與高自然度引起了社會各方的重視。KD863 還在日本、新加坡、 香港的有關(guān)研究所和大學(xué)進(jìn)行過演示，均得到了有關(guān)方面專家的認(rèn)同。就漢語語音合成來說，目前在單字和詞組一級上，合成語音的可懂度和自然度已基本解決，但是到句子乃至篇章一級時 其自然度問題就比較大。 無論用哪種合成方法，韻律規(guī)則的總結(jié)， 特別是連續(xù)語音的韻律規(guī)則總結(jié)，盡可能將定性的規(guī)則描述定量化，對自然度始終有最重要的影響。即語音合成研究已開始從文字到語音的轉(zhuǎn)換階 段向概念到語音的轉(zhuǎn)換階段發(fā)展。更為有效的辦法是采用參數(shù)合成法，分析參數(shù)特征，通過對相關(guān)參數(shù)的調(diào)整來實(shí)現(xiàn)對年齡、性別特征的改變，進(jìn)一步實(shí)現(xiàn)語氣、語調(diào)的變化，由于這種改變是連續(xù)的，對象特征可以千千萬萬