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
$$X(\omega )=\frac{Y(\omega )}{H(\omega )}$$
首先根据F0标出voiced section，然后$y^2(t)$最大的点对应加窗的时间点，使用长度为$2T_0$的Hanning窗。
合成语音的时候直接使用求出的$x(t)$和$h(t)$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

$${\tau }_g\omega =-\frac{d\varphi (\omega )}{d\omega }$$
假设所加窗口的中心点在$\tau$，那么最后求出的群延迟$\tau (\omega ,\tau )$跟$\tau$有关，使用了一些方法消除了参数$\tau$，也就是最后得到的群延迟跟窗口位置无关。

2.修正参数

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。
$${\tau }_{gs}(\omega )=\frac{2}{{\omega }_0}{\int }_{-\frac{{\omega }_0}{4}}^{\frac{{\omega }_0}{4}}{\tau }_g(\omega +\lambda )\mathrm{d}\lambda$$
$${\tau }_{gb}(\omega )=\frac{1}{{\omega }_0}{\int }_{-\frac{{\omega }_0}{2}}^{\frac{{\omega }_0}{2}}{\tau }_{gs}(\omega +\lambda )\mathrm{d}\lambda$$
$${\tau }_D={\tau }_{gs}(\omega )-{\tau }_{gb}(\omega )$$

3.估计band-aperiodicity

中心频率${\omega }_c$对应的时域信号
$$p(t,{\omega }_c)={\mathcal{F}}^{-1}[w(\omega ){\tau }_D(\omega -({\omega }_c-\frac{w_l}{2}))]$$
$w_l$表示窗的长度
$$p_c(t,{\omega }_c)=1-{\int }_0^t{p}_s(\lambda ,{\omega }_c)\mathrm{d}\lambda$$
其中$p_s$是由功率谱$|p{|}^2$在时间上按降序排序得到，而且$|p{|}^2$做了归一化
band aperiodicity可得
$$ap({\omega }_c)=-10lo{g}_{10}(p_c(2w_{bw},{\omega }_c))$$
$w_{bw}$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

后面的技术分享转移到微信公众号上面更新了，【欢迎扫码关注交流】