语音信号产生的数字模型.ppt

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，从上而下用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 第三十七页，共58页。 四、语音信号的统计特性 语音信号振幅分布的概率密度有两种逼近方法： 修正伽玛（Gamma）分布概率密度函数： 拉谱拉斯（Laplace）分布概率密度函数: 第三十八页，共58页。 第三十九页，共58页。 人类接收语音由人耳来完成，空气振动由耳廓收集，经外耳道而抵达鼓膜，鼓膜随之振动，使鼓室中的空气和听骨链也发生振动，听骨链的振动经前庭窗（卵圆窗）激励前庭淋巴，变为液波，液波使位于基底膜上的螺旋器受到刺激，将神经冲动经听神经传到中枢而产生听觉。 §2.5 人类的听觉功能 第四十页，共58页。 正常人的听觉系统是极为灵敏的，可听声的范围为20Hz-20kHz。 可听声的最小声压级(dB)称为听阈。-5～130dB，对低频和高频是不敏感的，听阈为60dB，在1kHz附近最敏感。 第四十一页，共58页。 当说话时，声带在软骨的作用下相互靠近但不完全闭合，声门变成一条窄缝，当气流通过窄缝时压力减小，外界压力大，从而两片声带完全闭合使得气流不能通过，当气流阻断时压力恢复正常，推开两片声带，声门再次打开，气流再次流过。 声带靠拢 Tp 基音周期 声带的开启和闭合称为振动。这一振动过程周而复始，形成了一串周期性脉冲气流送入声道。这个过程发出的音称为浊音。如汉语发音的[a]、[i]、[u]和[o]等。 第五页，共58页。 Glottal Closure instant T 第六页，共58页。 女声汉语拼音a的时域波形 第七页，共58页。 Tp 基音周期 fundamental period Voiced excitation Unvoiced excitation（声带不振动，声门开启） 第八页，共58页。 男声汉语拼音声母s的时域波形 第九页，共58页。 气流从喉向上经过口腔或鼻腔后从嘴或鼻孔向外辐射，期间的传输通道称为声道。气流流过声道时犹如通过了一个具有某种谐振特性的腔体，放大某些频率，在频谱上形成相应位置的峰起，称为共振峰。 讲话时，由于舌和唇的连续运动，使声道形状改变，随即改变谐振频率，使得发不同的音。声道的不同的形状，对应不同的谐振频率。 声道 第十页，共58页。 发音的三种方式－excitation 浊音（voiced sounds）声带开启和闭合，在声门处产生一个准周期性脉冲序列。（quasi-periodic sequence） 清音（unvoiced sounds）声带完全舒展开来，声道的某个部位发生收缩形成了一个狭窄的通道，当空气流到达此处时被迫以高速冲过收缩区，并在附近产生空气的湍流，类似于白噪声。（white noise） 爆破音（plosive/stop sounds）声带完全舒展开来，声道的某个部位完全闭合在一起，当空气流到达时便在此处建立起空气压力，一旦闭合点突然开启便会让气压快速释放，实际上也是一种空气的湍流。（white noise） 第十一页，共58页。 ☆ F0 =1/Tp，基音频率，由声带的质量来决定。 ☆ F0的大小决定了声音的高低，称为音高。 ☆ 男性的F0大致分布在： 50~250Hz ☆ 女性和儿童的F0大致分布在：100~500Hz 基音频率(Fundamental Frequency－pitch)F0 第十二页，共58页。 鼻端 嘴唇 17cm 8.5cm 13cm 声道的无损模型 声道的谐振频率format frequency 谐振频率发生在：Fn= （声道的横截面是均匀的，发元音e时，声道近似是均匀的。） L=17cm，声道的长度 n=1,2,3 … 称为第一共振峰F1=500Hz 、第二共振峰F2=1500Hz 、第三共振峰F3=2500Hz ，… c=340m/s 2n-1 4L c 第十三页，共58页。 基音频率 输出气流的频率 共振峰频率 女声英文a的频谱 第十四页，共58页。 男声汉语拼音声母s的频谱 第十五页，共58页。 ? 一种声道形状对应一套共振峰 ? 不同人的声道大小不同，共振峰不同 ? 同一人，发不同音，共振峰也不同 总结 前三个共振峰的大致范围（Hz） 共振峰