粒子群优化径向基函数网络的语音转换

来源：计算机技术与发展杂志2017年第05期北京时间：

作者：董添辉;张玲华

摘要：径向基函数神经网络具有结构简单和学习速度快等特点,因此常被用作语音转换的模型.隐层核函数的中心是影响径向基函数神经网络性能的重要参数,而传统的K-均值聚类算法受初值影响大,全局优化的效果不佳.所以,选择合适的优化算法来调整RBF网络核函数的中心参数,能改善整个网络的性能,从而提升语音转换的效果.而粒子群算法是一种基于迭代的优化算法,具有容易实现、算法参数少、收敛快和突出的全局寻优能力等特点.提出了一种改进的粒子群算法,优化了径向基函数的中心以提高网络性能,便于更准确地获得说话人与目标人之间谱包络的映射关系.实验结果表明,提出的方法能够有效提高神经网络的性能,使转换后的声音更接近于目标声音.

关键词：语音转换;径向基函数中心;改进的粒子群算法;径向基函数神经网络