第二节 语音信号的基础知识.ppt

声母、韵母和声调是汉语语音的三要素。汉语语音的1个不同于其他语言的是它具有声调（音调）。声调是1个音节在念法上的高低升降的变化，汉语中有4个声调，即阴平（－）、阳平（ ′）、上声（ ? ）、和去声（‵）。 4）汉语音节的一般结构 一 语音信号的产生 声调的变化就是浊音基音周期的变化，为了将调值描写地具体一些，一般采用“五度标记法”，用一条竖线表示声音的高低，从下而上用1、2、3、4、5依次表示低、半低、中、半高、高。 5 高 4 半高 3 中 2 半低 1 低 阴平 阳平 上声 去声 调类 阴平 阳平 上声 去声 调值 55 35 214 51 一 语音信号的产生 单独发声的一个音节或是语音流中的任何一个音节都可能由7部分组成。 无声段 音节 声母 鼻音段 声母辅音段 元音段 送气段 前过渡段 后过渡段 韵母 一 语音信号的产生 二 语音信号的感知（自学） 听觉系统 耳的结构 听觉的形成 耳蜗的作用 听觉特性 人耳的听阈及响度 音调 俺蔽效应 同时掩蔽和异时掩蔽 各种不同的掩蔽效果 本节主要讨论的问题 研究人对声音的感知，对语音编码识别很重要，如MP3。 三 语音信号的线性产生模型 激励模型（肺部，气管，声带） 声道模型（咽腔，口腔，喉腔，鼻腔） 辐射模型（口唇，鼻孔） 完整的语音信号的数学模型 本节主要讨论的问题： 三 语音信号的线性产生模型 传输函数 数学模型的特点：是一个终端模拟的近似模型，其内部结构与语音产生的物理过程并不一致，只是在输出端等效。 清/浊音开关 Av 冲激序列 发生器 声门波 模型G(z) 随机噪声 发生器 基音周期TP AN 线性系统 声道V(z) 辐射模型 R(z) 激励模型 激励模型 三 语音信号的线性产生模型 用数学方法描述肺部的气流与声带共同作用产生的激励。 浊音激励 清音激励 冲激序列 发生器 声门脉冲 模型G(z) 随机噪声 发生器 基音周期TP AN 清/浊音开关 AV 发浊音时，声激励是一个准周期的单位脉冲串，Av为增益参数；为了使浊音的激励信号逼近声门振动气流的实际波形，需将冲激序列通过一个声门脉冲模型滤波器（实际上是一个斜三角波形）G(z)。 最后形成一个以基音周期为周期的斜三角型脉冲波。 1）浊音激励 三 语音信号的线性产生模型 Tp为冲激脉冲的周期，声门波模型产生单个声门脉冲 单位脉冲串 单位脉冲串及幅值的Z变换形式 三 语音信号的线性产生模型 将其表示为Z变换，有： 冲激序列：E(z) 浊音激励模型： U(z) = AVG(z)E(z) 斜三角型脉冲波 N1为斜三角波上升部分的时间，N2为其下降部分的时间 2）清音激励 清音激励模拟为随机噪声，实际中一般使用均值为0、方差为1的白噪声。 三 语音信号的线性产生模型 将声激励分为两种情况，与实际不完全相符。例如爆破音是气流在声门完全闭合处的下方建立起压力，然后除去这种障碍，使压力迅速释放，产生一种瞬时的激励。在上面的声学模型中未考虑。 应将两种激励按一定比例进行叠加，更符合实际情况。 三 语音信号的线性产生模型 声道模型(共振峰模型) 线性系统 声道V(z) uG(n) ul(n) 三 语音信号的线性产生模型 1)声音在声道的传播涉及到许多物理定律(能量守恒、流体力学)，需简化。有不同的模型。 2)语音信号是一个非平稳信号，激励和声道的谐振特性随时间变化。但在20－30ms内语音信号是平稳的，即激励和声道的特性几乎不变，因此认为在此时间段内系统是线性的。 用数学方法描述声道的调音特性。包括声管模型和共振峰模型 三 语音信号的线性产生模型 1）声管模型 “短时”间声道是一个形状稳定的级联管道，声 音在不同截面积间传输会有反射。 反射系数： km＝(Am+1 - Am)/(Am+1 + Am) Am,Am+1是第m、m+1段的截面积 Km是声道的特性，确定Km，就确定了声道！ A1 A2 A3 …. (a)立体图 (b)断面图 2）共振峰模型 三 语音信号的线性产生模型 声道近似为谐振腔，共振峰就是这个腔体的谐振频率，从共振峰的角度出发描述声道的模型称为共振峰模型。一般共振峰的个数为3-5个。 p、ak 决定了声道地特性(人的特征)，p越大越吻合。一般p=8~12 (1)级（串）联型(元音)：声道是一组串连的二阶谐振器（一个谐振腔对应1个共振峰频率）。 V1 V2 V3 V4 V5 传输函数 p为极点个数，G是增益参数，ak为模型系数。 传