储有亮，李 梁

（重庆理工大学，重庆 400054）

0 引 言

语音是人与人之间最常见的信息交互方式，但是很容易受到周围噪声的干扰而造成信息的丢失，怎样在强噪声等嘈杂环境下进行无碍的语音信息交互，对于业界来说是一个亟需突破的研究课题。骨导语音对噪声具有很强的抗干扰性[1]，这是由于骨导语音是使用高灵敏振动传感器收集人在说话时发声部位产生的振动信号得到的。这使得骨导语音在广场、码头甚至战场等强噪声的环境下有着较好的应用前景。

骨传导传感器（Bone-Conduction Microphone,BCM）通过采集人说话时由声带产生的激励信号并由人体内部骨骼以及相关组织传递到皮肤表面的震动，将其通过一系列的转换最终采集到骨导语音[2]。这与通过气导麦克风（Air-Conduction Microphone,ACM）采集到的气导语音有很大的不同。BCM语音由于其独特的采集方式，因此对来自周围环境中通过空气传播而产生的噪声具有非常好的强抗噪性。但由于人体的骨骼具有低通性，这导致BCM语音的高频信号损失严重，一般超过2.5 kHz的高频信号会严重损失，同时由于BCM语音没有经过口腔、鼻腔等调音区域进行调音，造成摩擦音、爆破音、清音等辅音音节的缺失，致使BCM语音听上去比较沉闷、语音清晰度也无法令人满意[3]，因此BCM语音在实际应用上难以推广。

通过转换语音谱包络、倒谱系数、线谱频率等语音特征达到转换目的是现今主流的BCM语音转ACM语音的转换方法。例如文献[4]中利用四层全连接层建立BCM语音倒谱系数到ACM语音倒谱系数的映射关系；……