语音合成vocoder（四） aperiodicity参数

基本概念

“aperiodicity” is defined as the power ratio between the speech signal and the aperiodic component of the signal

它是跟混合激励有关的参数，为了获得自然的声音，激励源不能只使用周期信号，也需要包含一些非周期信号。一种典型的非周期信号是噪音。

PLANTINUM[1]

使用excitation signal替换aperiodicity

X (ω) = Y ( ω ) H ( ω )

$X(\omega)=\frac{Y(\omega)}{H(\omega)}$
首先根据F0标出voiced section，然后

y2(t) $y^2(t)$ 最大的点对应加窗的时间点，使用长度为

2T0 $2T_0$ 的Hanning窗。
合成语音的时候直接使用求出的

x(t) $x(t)$ 和

h(t) $h(t)$ 进行卷积即可。

D4C[4]

D4C需要计算不同频带对应的功率比。

1.计算群延迟

τ g ω = - d ϕ ( ω ) d ω

$\tau_{g}{\omega}=-\frac{d\phi(\omega)}{d\omega}$
假设所加窗口的中心点在

τ $\tau$ ，那么最后求出的群延迟

τ(ω,τ) $\tau(\omega, \tau)$ 跟

τ $\tau$ 有关，使用了一些方法消除了参数

τ $\tau$ ，也就是最后得到的群延迟跟窗口位置无关。

2.修正参数

这里写图片描述
上一步计算加窗会带来频谱上的失真（上图a），这里进行smooth恢复出来原始的信号。

τ g s (ω) = 2 ω 0 \int ω 0 4 - ω 0 4 τ g (ω + λ) d λ

$\tau_{gs}(\omega)=\frac{2}{\omega_0} \int_{-\frac{\omega_0}{4}}^{\frac{\omega_0}{4}} \tau_g(\omega+\lambda)\, \mathrm{d}\lambda$

τ g b (ω) = 1 ω 0 \int ω 0 2 - ω 0 2 τ g s (ω + λ) d λ

$\tau_{gb}(\omega)=\frac{1}{\omega_0} \int_{-\frac{\omega_0}{2}}^{\frac{\omega_0}{2}} \tau_{gs}(\omega+\lambda)\, \mathrm{d}\lambda$

τ D = τ g s (ω) - τ g b (ω)

$\tau_D=\tau_{gs}(\omega)-\tau_{gb}(\omega)$

3.估计band-aperiodicity

中心频率 $\omega_c$ 对应的时域信号

p (t, ω c) = F - 1 [w (ω) τ D (ω - (ω c - w l 2))]

$p(t,\omega_c)=\mathscr{F}^{-1}[w(\omega)\tau_{D}(\omega-(\omega_c-\frac{w_l}{2}))]$

wl $w_l$ 表示窗的长度

p c (t, ω c) = 1 - \int t 0 p s (λ, ω c) d λ

$p_c(t,\omega_c)=1-\int_{0}^{t} p_s(\lambda, \omega_c)\, \mathrm{d}\lambda$
其中

ps $p_s$ 是由功率谱

|p|2 $|p|^2$ 在时间上按降序排序得到，而且

|p|2 $|p|^2$ 做了归一化
band aperiodicity可得

a p (ω c) = - 10 l o g 10 (p c (2 w b w, ω c))

$ap(\omega_c)=-10log_{10}(p_c(2w_{bw},\omega_c))$

wbw $w_{bw}$ 表示窗函数的主瓣宽度。

参考文献

[1].PLATINUM: A method to extract excitation signals for voice synthesis system
[2].D4C, a band-aperiodicity estimator for high-quality speech synthesis