语音转换是在保持语义不变的前提下，着重改变源语音中的个性特征成分，使得转换后的语音具有目标说话人的个性特征。本文主要研究语音转换中的声道谱参数和基音频率两个重要个性特征，具体研究内容如下：（1）研究基音频率变换算法。由于现有的基音频率变换算法中将基音频率与声道谱参数分开转换，导致基音频率丧失部分说话人个性特征。为了保持更多的说话人个性特征，本文提出基于径向基函数网络的联合声道谱包络基频变换算法。该算法利用径向基函数网络在谱包络参数与基音频率之间建立联系，使得转换出的基音频率能够更好地跟踪目标基音频率的变化，并含有更多的目标说话人个性特征的细节。（2）对声道谱参数转换算法进行研究。由于传统的高斯混合模型会使得转换出的声道谱过于平滑，同时码书矢量法会引起声道谱的不连续。为此，本文提出基于码书改进高斯混合模型的声道谱参数转换方法。该方法将两种现有模型有机结合，实现两种模型的优点互补并克服各自缺点，使得转换谱包络更加接近目标包络。（3）深入研究声道谱参数转换算法。语音转换系统通常采用一个转换规则进行参数转换，而这一个规则很难准确地描述时变的语音参数空间；此外，EM算法在确定模型参数时易陷入局部极值点。针对以上两点，本文提出基于自组织聚类和改进粒子群算法的声道谱参数转换方法。该方法基于自组织聚类建立一个多转换规则的转换系统，自适应地选择合适的规则进行转换，同时利用改进的粒子群算法搜寻高斯混合模型参数的全局最优值，确定每一类的转换关系，从而实现更加精确地参数映射，提高合成语音的目标倾向度。