语音合成(Speech Synthesis)一直是计算机智能处理和人工智能(Artificial Intelligence)研究的重要领域。目前,数据驱动法通过载入语音语料库中最小单元进行处理合成语音信号。语音合成技术尽管具有很长的研究历史,但是因为灵活度较低而难以实现基于语音编码的模拟演唱。所以,语音合成技术还具有很大的提升空间。为了研究语音信号的频域特性,充分挖掘语音频谱图(Speech Spectrogram)信息,实现高灵活度的语音编码技术,本文通过对人体听力学(Human Audiology)和皮肤听声器原理的研究,提出了基于频谱构造的语音重建方法,并通过实验证明了该方法的有效性。该方法将声音数据数学化和公式化,使声音数据得以灵活保存和应用。本文主要研究工作如下:(1)根据皮肤听声器原理分析汉语单韵母语音信号。结合传统的语音信号短时分析方法和皮肤听声器原理,研究了各种滤波器的滤波效果,并对汉语单韵母语音信号进行滤波实验,分析单韵母语音信号的频谱分布。分析得出汉语音素[o]的发音较为特殊,是由[u]到[e]变化的过程,所以在合成音素[o]时要结合音素[u]和音素[e]的频率分布情况和数学表示函数。(2)设计了基于频谱构造的语音合成方法。在传统的语音信号分析中,二元激励模型将语音汉语语音强制分为清音和浊音,导致模型在语音合成中局限了合成信号的多样性。针对该问题,提出了基于频谱构造(Spectrum Structurization)的语音合成方法,该方法通过数学形式表达语音信号并使用语音正弦模型(Speech Sinusoidal Model)进行语音信号重建,可以被灵活调用。首先,对语音信号进行滤波处理,去掉低频电流信号干扰;其次,使用傅里叶变换(Fourier Transform)将语音时域信号变换为语音频域信号,即语音频谱图;然后,分析汉语单韵母音素的频率分布,提取中心频率参数和幅值参数;最后,以WAVE文件做为语音信号的载体,以C#语言进行WAVE文件头定义以及语音合成的函数设计并进行语音信号合成。(3)在Visual Studio 2015环境中以C#语言搭建智能语音合成平台,进行语音信号合成。首先,从频谱构造法进行语音合成的功能需求出发,设计了语音智能合成平台的功能框架;其次,根据WAVE文件结构初始化文件头参数;然后,将语音信号参数载入文本框中;最后,通过叠加单频率正弦信号实现语音信号合成并以WAVE文件作为信号载体,以二进制流写入文件并将文件保存至指定路径。对比合成语音信号与原始信号,合成语音信号减少了冗余信息,突出语音信号关键频率的同时平衡了各频率段的能量。(4)使用合成语音信号进行主观评价测试并建立语音函数库。主观评价测试采用辨析法将合成语音信号和原始语音信号打乱次序,由测试者进行男女声辨析测试和单韵母辨析测试。根据主观评价测试结果得到了合成语音的混淆矩阵。结果表明,重建汉语音素[a]、[e]、[i]、[u]、[u]的识别率范围是83.3%～88.9%,汉语音素[o]的识别率为72.2%,汉语单韵母音素的平均识别率在85%以上。与双谱线重建汉语单韵母语音的混淆矩阵相比,除了语音因素[o],其他音素的识别正确率皆有显著提高。根据合成语音信号频谱分布和混淆矩阵分析汉语单韵母音素模拟函数的频率边界,建立汉语单韵母音素模拟函数库。综上所述,本文根据语音信号的产生原理、皮肤听声器原理和正弦模型设计了语音合成的频谱构造方法,通过实验分析得到了单韵母音素的主干频率分布,建立了语音模拟函数库。初步揭示了语音信号可以通过数学方法进行表示的基本规律,并通过语音识别实验证明了频谱构造法的可行性,在语音智能处理与合成中具有重要的理论意义和广泛的应用前景。