语音信号处理作业16 .pdfVIP

语音信号处理技术发展历程与发展趋势

201105023

1发展历程

声学是物理学的一个分支学科。而语言声学又是声学的一个分支学科，它主

要的研究方向是人的发声器官机理，发声器官的类比线路和数学模型，，听觉

器官的特性（如听阈、掩蔽、临界带宽、听力损失等）听觉器官的数学模型，，

语音信号的物理特性（如频谱特性、声调特性、相关特性、概率分布等），语音

的清晰度和可懂度等。当今通信和广播的发展非常迅速，，而语言通信和语言

广播仍然是最重要的部分，语言声学则是这些技术科学的基础。

语言声学的发展和电子学、计算机科学有着非常密切的关系。在它发展的过

程中，有过几次飞跃。第一次飞跃是1907年电子管的发明和1920年无线电广播的

出现，因为有了电子管放大器，很微弱的声音也可以放大，而且可以定量测量。

从而使电声学和语言声学的一些研究成果，扩展到通信和广播部门。第二次飞跃

应该是在20世纪70年代初，由于电子计算机和数字信号处理的发展，人们发现：

声音信号特别是语音信号，可以通过模数转换器(A/D)采样和量化，它们转换为

数字信号后，能够送进计算机。这样就可以用数字计算方法，对语音信号进行处

理和加工。例如频谱分析可以用傅里叶变换或快速傅里叶变换(FFT)实现，数字

滤波器可以用差分方程实现。在这个基础上，逐渐形成了一门新学科——语音

信号处理。它的发展很快，在通信、自动控制等领域，解决了很多用传统方法难

以解决的问题。在信息科学中占有很重要的地位。

2语音信号的情感处理及其未来发展

2.1语音信号的情感处理

目前情感类型的划分主要有离散的表示和连续的维度表示两种类型。离散的

情感表示是将情感划分为基本类和扩展类，也有学者称之为主要情感(原始情感)

和次要情感(派生情感)。扩展情感是由基本情感变化混合而成的，好像三元色可

以混合生成多种色彩一样，所以也有学者称该情感生成理论为情感的调色板理

论。至于基本情感的数量从两种至8种不等，学术界尚未达成共识，不过比较常

见的公认的基本情感是恐惧、生气、高兴、悲伤、吃惊、厌恶等6种。扩展情感

则覆盖了很大的情感空间，尽管有些研究者认为，因为情感产生于语言符号之前，

用情感词语对情感分类不一定是很好的方法，然而语言毕竟是思维的外壳，情感

词能在很大程度上反映出不同类型的情感。

情感还可以用连续变化的维度表示。维度是指情感在所固有的某种性质上，

存在一个可变化的度量，维度理论通常将情感定义为一个维度空间上的点。不同

研究者所定义的维度数目也有所不同，有二维的，三维的甚至四维的，其中受到

广泛认可的有H.Schloberg的“快乐维-注意维-强度维”的三维表示，和

R.Plutchik的“激发维-评价维-强度维”的三维表示。离散表示和维度表示在某

种程度上是可以相互转化的。

2.2情感语音的应用领域

2.2.1交互电影中自发(spontaneous)交互的判定

电影艺术从19世纪开始就已经逐步完善，它为人们提供了一种娱乐方式，

但目前电影还只是提供给人们不同种类的情节，对观众来说并没有直接参与进

去。观众所能亲身经历、感受和学习到的东西是非常有限的。交互式电影将为人

们提供一种全新的感受。观众不仅能看到故事情节，也能与故事进行交互，提供

给人们一种全新的经历。在这种电影中，人们不再只是预测其中人物的命运，而

是能亲身经历日常生活中从未有过的剧情和故事。通过这种方式将为大家提供学

习不同本领和课程的大好机会。交互电影的关键因素之一，就是与作为主要角色

的参加者进行交互的计算机角色。日本ATR媒体集成和通信研究实验室，通过

用情感识别将自发交互能力引入到了交互电影中，在研究过程中，他们考虑到只

有语音识别时，系统很难判定参加者的语音是事先设计好的台词，还是自发输入

的台词。为此，同时使用语音识别和情感识别来决定是进行预先设计好的演出方

式，还是进入自发交互方式。当语音识别结果比较理想时，可确定为是一个设计

好的交互，并由此让演员进行事先定义好情节的表演;而当语音识别结果不理想

时，可确定为是一个自发方式，利用情感识别结果产生演员自发的反应和动作。

2.2.2辅助残疾人讲话

失语症是很多脑部疾病带来的直接后遗症，这些患者有着与健康人同样的情

感却苦于无法表达。为此VAESS(VoicesAttitudesandEmot