李要芳 劉智

摘要：變聲器是通過對聲音的音色和音調(diào)的雙重復(fù)合改變，實(shí)現(xiàn)對輸出聲音的變聲?，F(xiàn)使用基于基音同步疊加（PSOLA）算法的波形編輯和拼接技術(shù)，利用虛擬儀器軟件LabVIEW對采集的聲音信號進(jìn)行濾波、調(diào)頻處理，實(shí)現(xiàn)了對語音信號的變聲處理。該設(shè)計提供了一種變聲器設(shè)計的簡便快捷方法，具有很好的應(yīng)用前景。

關(guān)鍵詞：基音同步疊加（PSOLA）算法;LabVIEW;變聲器設(shè)計

0 ? ?引言

近年來，語音識別和基于語音段的建模方法逐漸成為研究熱點(diǎn)。在語音合成方面，基于基音同步疊加（PSOLA）算法的波形編輯和拼接技術(shù)就是最具有代表性的一種方法[1-2]。本設(shè)計通過LabVIEW[3]設(shè)計一個變聲器，利用PSOLA算法與重采樣技術(shù)結(jié)合，實(shí)現(xiàn)音頻的變調(diào)不變速以及多種頻段的變調(diào)，從而達(dá)到變聲的功能。

1 ? ?變聲器的理論基礎(chǔ)

基音同步疊加（PSOLA）算法是利用短時傅里葉變換重構(gòu)信號的疊加法，主要有基音同步分析、基音同步修改以及基音同步合成三個部分[2]。

1.1 ? ?基音同步分析

設(shè)采集的音頻信號為X（n），選擇合適的時窗分析窗口hm（n）對原始合成單元做加窗處理，得到一組短時信號xm（n）如式（1）所示：

xm（n）=hm（tm-n）X（n） ? ? ? ? ? ?（1）

式（1）中，tm為基音標(biāo)注點(diǎn)，hm（n）一般采用漢明窗（Hamming），窗長大于原始信號的一個基音周期，因此窗間有重疊，窗長一般取原始信號基音周期的2～4倍，即得hm（n）如式（2）所示：

hm（n）=h（n）（n/μp） ? ? ? ? ? ? （2）

式（2）中，h（n）為歸一化窗長，μ為窗覆蓋基音周期數(shù)的比例系數(shù)，p為基音周期。通常情況下，取μ=2，能夠使合成簡化。若要提高基頻，令p取為原始分析基音周期;若要降低基頻，令p取為合成基音周期，這樣能夠使得合成簡化。

1.2 ? ?基音同步修改

基音同步修改分修改聲音的時域與頻域特性[4]，對語音基頻的修改是通過對合成單元標(biāo)記間隔的增加來減少正在進(jìn)行的語音，對語音時長的修改是通過合成單元同步標(biāo)記的插入來刪除正在進(jìn)行的語音。

首先，進(jìn)行語音基頻的修改，對短時分析信號xm（n）進(jìn)行傅里葉變換Xm（n），得到短時分析傅里葉變換，如公式（3）所示：

Xm（n）=Xm（ej2πn/N）=xm（n）e-j2πn/N ?（0≤n≤N-1） ? ? （3）

又Xm（n）有公式如下：

Xm（n）=E（n）V（n） ? ? ? ?（4）

式中：E（n）為分析音段激勵源信號頻譜;V（n）為頻譜的譜包絡(luò)部分。

然后，按照音高調(diào)整系數(shù)對音段激勵源信號頻譜E（n）進(jìn)行拉伸或壓縮，得到合成激勵源頻譜E′（n）。將E′（n）與原始頻譜的譜包絡(luò)V（n）相乘得到短時合成傅里葉頻譜Xm′（n）如式（5）所示：

Xm′（n）=E′（n）V（n） ? ? ? ? ? ?（5）

最后，進(jìn)行語音時長的修改。首先對短時合成傅里葉頻譜Xm′（n）進(jìn)行傅里葉逆變換，得到中間短時合成信號xm′（n）。然后對原始拼接單元時長進(jìn)行修改，得到新的中間短時合成信號xp′（n），這樣，新的基音標(biāo)注tp就取代了前面中間短時合成信號的基音標(biāo)注tm，當(dāng)時長調(diào)整系數(shù)為λ時，選擇合適的tm使之與λtp最接近，則xp′（n）=xm′（n）。當(dāng)時長調(diào)整系數(shù)λ<1時，則加快語音，需要去掉一些短時信號;當(dāng)時長調(diào)整系數(shù)λ>1時，則放慢語速，需要重復(fù)一些短時信號。這樣就可以得到與新合成信號基音標(biāo)記同步的短時合成信號序列。

1.3 ? ?基音同步合成

采用合成信號譜與原始信號譜差異最小的最小平方疊加合成法，合成的信號如式（6）所示：

x（n）=∑papxp（n）hp（tp-n）/∑php2（tp-n） ? ? ?（6）

式中：分母是時變單位化因子，hp（n）是合成窗序列，是窗之間時變疊加的能量補(bǔ)償，ap是音強(qiáng)調(diào)整系數(shù)，用來調(diào)整合成語音信號的強(qiáng)度。

式（6）也可簡化如下：

x（n）=∑papxp′（n）/∑php（tp-n） ? ? ?（7）

公式（7）中的分母是時變的單位化因子，用來補(bǔ)償相鄰窗口疊加部分的能量損失。在寬帶條件下，當(dāng)合成窗長為合成基音周期的兩倍時，該因子也為常數(shù);在窄帶條件下該因子接近于常數(shù)。故式（7）可進(jìn)一步簡化為如式（8）所示：

x（n）=∑papxp′（n） ? ? ? ? ?（8）

2 ? ?變聲器的設(shè)計

2.1 ? ?前面板的總體設(shè)計

為了使界面看起來簡潔，變聲器的設(shè)計分為聲音采集模塊、聲音錄制模塊和聲音播放模塊。如圖1所示，左邊將聲音信號采集到LabVIEW并顯示波形，右邊將采集到的聲音信號進(jìn)行變聲處理后播放。此次設(shè)計設(shè)有五種聲音播放效果，如圖1所示。

2.2 ? ?后面板的程序設(shè)計

后面板程序設(shè)計主要分3個部分，即聲音采集程序設(shè)計、聲音播放程序設(shè)計與變聲處理程序設(shè)計。

2.2.1 ? ?聲音采集程序設(shè)計

聲音采集的程序由一系列聲音輸入VI和一系列聲音文件VI并列組成[5-6]。聲音采集程序框圖如圖2所示[7]。

2.2.2 ? ?聲音播放程序設(shè)計

聲音播放程序框圖是由聲音輸出VI和聲音文件VI組成，實(shí)現(xiàn)的功能為把聲音文件播放出來。程序框圖如圖3所示。

2.2.3 ? ?變聲處理程序設(shè)計

變聲處理程序如圖4所示。變聲之前先用數(shù)字IIR濾波器VI將寫入的聲音信號進(jìn)行濾波處理，然后用FFT頻譜（幅度-相位）VI將聲音進(jìn)行傅里葉變換，得到變換的頻譜。然后使用FFT功率譜和PSD VI，計算時間信號的平均自功率譜，最后用窗口函數(shù)縮放VI截取語音信號樣本，就得到了變聲處理后的聲音信號[4]。

3 ? ?程序運(yùn)行與分析

采集聲音效果測試時，在界面中顯示采集的聲音波形。聲音采集播放程序運(yùn)行效果如圖5所示。

4 ? ?結(jié)語

本文使用基于基音同步疊加（PSOLA）算法的波形編輯和拼接技術(shù)，利用虛擬儀器軟件LabVIEW對采集的聲音信號進(jìn)行濾波、調(diào)頻處理，實(shí)現(xiàn)了對語音信號的變聲處理。本設(shè)計能使變聲器的設(shè)計更加簡便快捷，具有很好的應(yīng)用前景。

[參考文獻(xiàn)]

[1] 黎子芬，謝曉方，林麗娜，等.基于TD-PSOLA算法的語音合成方法研究[J].海軍航空工程學(xué)院學(xué)報，2008，23（1）：101-104.

[2] 涂相華，蔡蓮紅.用于語音合成的PSOLA算法簡介[J].微型計算機(jī)，1996（4）：5-9.

[3] 劉君華，賈惠芹，丁暉，等.虛擬儀器圖形化編程語言LabVIEW教程[M].西安：西安電子科技大學(xué)出版社，2007.

[4] 彭柏，許剛.利用頻譜搬移控制語音轉(zhuǎn)換中的共振峰[J].電聲技術(shù)，2007，31（1）：39-43.

[5] 熊國華，羅頌榮，王耕耘.基于聲卡虛擬音頻信號分析儀設(shè)計[J].國外電子測量技術(shù)，2006，25（4）：37-39.

[6] 于琳，陳健.基于Labview的聲卡信號采集及其分析系統(tǒng)設(shè)計[J].儀器儀表用戶，2009，16（4）：39-41.

[7] 孟武勝，朱劍波，黃鴻，等.基于LabVIEW數(shù)據(jù)采集系統(tǒng)的設(shè)計[J].電子測量技術(shù)，2008（11）：63-65.

收稿日期：2020-07-17

作者簡介：李要芳（1987—），男，湖南常德人，碩士，工程師，主要從事液壓鑿巖機(jī)、頂錘式液壓鉆機(jī)、掘進(jìn)臺車、礦用振動篩等方面的設(shè)計研究工作。

劉智（1986—），男，湖南岳陽人，博士，講師，主要從事流體傳動與控制、液壓鑿巖裝備方面的研究與教學(xué)工作。