语音转换技术是在保留源说话人语义信息不变的前提下,将源说话人的个性特征进行转换,使之听起来像目标说话人的声音。本文主要研究基于声道谱特征参数的语音转换技术,主要内容包括:(1)针对传统的高斯混合模型没有描述说话人间的非线性关系以及易出现过平滑导致转换语音质量不理想的现象,提出基于高斯混合模型与人工神经网络的混合模型语音转换算法,采用径向基函数神经网络对高斯混合模型的均值参数进行转换,建立新的转换规则。主观和客观测试表明,该方法提高了经典语音转换系统的性能,改进了转换语音的音质。(2)针对运用高斯混合模型进行语音转换时容易出现的过平滑现象,本文将多分辨率小波分析用于语音转换中,并在对特征参数进行多分辨率小波分析前,先进行模糊K均值聚类,以提高转换精度与转换速度。仿真实验表明:该算法在提高转换速度的前提下,提高了转换语音的清晰度与可懂度。(3)针对运用传统方法训练径向基函数神经网络出现的收敛速度慢、易陷入局部最优、泛化性能不佳的问题,提出用自适应粒子群优化算法训练径向基函数神经网络进行语音特征建模,获取说话人谱包络的映射关系。主观和客观实验表明:该算法能够降低转换语音的频谱失真,提高转换语音与目标语音的相似性。