语音转换技术就是指在维持说话人语言内容不变的情况下,将源说话人声音的个性特征进行转化,使得变换后的语音更贴近目标人语音。语音转换技术属于语音信号处理衍生出来的一个研究方向,语音转换与语音信号分析、识别和合成等研究方向有着密不可分的联系且相互之间促进发展,还有许多实际应用如文语转换、制作影视作品配音、医学领域等等。本文重点研究以下内容:(1)对语音转换系统中各个部分的作用进行讨论;主要针对声道谱特征参数这一特征的转换进行研究并且依此介绍许多经典转换模型,如矢量量化、高斯混合、线性多变量回归、人工神经网络等等。(2)径向基函数神经网络常被用作转换模型,该神经网络的核函数参数通常采纳K-均值聚类进行训练,由于此方法具有一些缺点如收敛速度慢、容易落入局部最优中、泛化能力不强等。本文提出改进粒子群算法优化径向基函数的方法来提高此网络的性能,以便于更准确的获得源说话人与目标人之间谱包络的映射关系并研究其在语音转换系统中起到的作用。实验成果表明,本文提出的转换方案能够有效提升神经网络的性能,使转换后的语音更接近于目标语音。(3)常规语音转换系统中声道谱特征参数都根据单一的径向基函数神经网络规则进行转换,这样很难匹配所有的特征参数,使得转换语音的质量有所下降。为了改善上述情况,本文提出自组织特征映射与改进粒子群优化径向基函数神经网络联合转换声道谱特征参数,利用自组织特征映射良好的分类能力建立多转换规则。通过主观和客观的评价:这种多类别映射规则可以提升转换的精确度,使得语音信号的质量得到提升。