语音转换是指在不改变说话内容的前提下，实现源说话人声音向特定说话人声音的转换，其研究是在说话人识别和语音合成的研究基础上进行的，同时也是这两个领域的丰富和延拓，具有非常广阔的应用前景和理论研究价值，正逐渐成为语音处理领域的研究热点之一。　　 本文主要研究语音转换技术的基本理论和方法，研究了语音韵律转换和谱包络转换的基本概念和方法，重点研究基于RBF网络的谱包络转换算法和基于BP网络的基音频率转换算法的原理和实现，论文的主要工作如下：　　 首先，研究了传统RBF网络的结构和学习算法，并对网络的学习算法进行改进，通过引入减法聚类(SC)算法，克服了K均值聚类算法对初始聚类中心的选择比较敏感和事先要确定聚类中心个数的问题;将具有全局最优特性的粒子群优化(PSO)算法代替最小均方误差(LMS)算法作为RBF网络输出层的学习算法，可以克服LMS算法可能收敛于局部最优的不足。实验结果表明将SC算法和POS算法分别应用到RBF网络的隐含层和输出层中，可以使转换后的谱包络更接近于目标语音的谱包络。　　 其次，采用了PSO算法优化过的BP网络进行基音频率的转换，使得预测的基音频率曲线更接近目标说话人的基音频率曲线。PSO算法优化BP网络指的是网络中权值、阈值的修正不是按照传统BP算法中由梯度下降法推导出来的公式来修正，而是按照PSO算法中的粒子速度、位置修正公式来修正。这种新的融合算法避免了梯度下降法导致的算法收敛速度慢和易陷入局部极小。　　 最后，在基频曲线的转换均采用BP PSO网络的情况下，谱包络的转换分别采用改进的RBF网络和传统的RBF网络，将这两种不同方案得到的语音进行了主客观对比。