一文學(xué)好語(yǔ)音信號(hào)處理的基礎(chǔ)知識(shí)

1、聲音是一種波，能被人耳聽(tīng)到，它的振動(dòng)頻率在20～20000Hz之間。

2、語(yǔ)音產(chǎn)生的過(guò)程

語(yǔ)音的形成過(guò)程:空氣由肺部排入喉部，經(jīng)過(guò)聲帶進(jìn)入聲道，最后由嘴輻射出聲波，形成語(yǔ)音。
3、聲音的分類（概念：理解+記憶）

濁音：聲帶繃緊，氣流通過(guò)時(shí)會(huì)使得開(kāi)口變成一開(kāi)一閉的周期性動(dòng)作，造成周期性的激發(fā)氣流，如a，o；

(由聲帶震動(dòng)產(chǎn)生的音)，包括所有的元音和一些輔音。

清音：聲帶完全舒展，聲道某部位收縮形成一個(gè)狹窄的通道，產(chǎn)生空氣湍流，如t，d；

(不由聲帶震動(dòng)產(chǎn)生的音)

爆破音：聲帶完全舒展，聲道的某部位完全閉合，一旦閉合點(diǎn)突然開(kāi)啟，空氣壓力快速釋放，如b，p。
4、語(yǔ)音的兩個(gè)重要聲學(xué)特性——基音頻率和共振峰（記憶）

基音頻率(F0)：由聲帶的尺寸、特性和聲帶所受張力決定，其值等于聲帶張開(kāi)和閉合一次的時(shí)間的倒數(shù)（此處去掉就是基音周期的定義）。人類基音頻率的范圍在80～500Hz左右。

共振峰(Fn,n=1,2,...)：聲道是一個(gè)諧振腔，它放大聲音氣流的某些頻率分量而衰減其他頻率分量，被放大的頻率我們稱之為共振峰或共振峰頻率。

5、共振峰特性：（理解）

共振峰是聲道的重要聲學(xué)特性。聲道對(duì)于一個(gè)激勵(lì)信號(hào)的響應(yīng)，可以用一個(gè)含有多對(duì)極點(diǎn)的線性系統(tǒng)來(lái)近似描述。每對(duì)極點(diǎn)都對(duì)應(yīng)一個(gè)共振峰頻率。這個(gè)線性系統(tǒng)的頻率響應(yīng)特性稱為共振峰特性，它決定信號(hào)頻譜的總輪廓，或稱譜包絡(luò)。

語(yǔ)音的頻率特性主要是由共振峰決定的。而聲道的共振峰特性決定所發(fā)聲音的頻譜特性，即音色。

元音的音色和區(qū)別特征主要取決于聲道的共振峰特性。共振峰特性可以從語(yǔ)音信號(hào)頻譜分析得到的幅頻特性觀察到。

6、完整的語(yǔ)音信號(hào)產(chǎn)生的數(shù)字模型：（會(huì)畫圖+解釋各部分模型原理特點(diǎn)）

我們可將語(yǔ)音信號(hào)看成準(zhǔn)周期序列或隨機(jī)噪聲序列作為激勵(lì)的線性非移變系統(tǒng)的輸出，此模型可分為三個(gè)部分：激勵(lì)模型、聲道模型、輻射模型

語(yǔ)音信號(hào)完整的數(shù)字模型（重點(diǎn)）

一、激勵(lì)模型

a.濁音激勵(lì)：氣流在通過(guò)繃緊聲帶時(shí)，沖激聲帶產(chǎn)生振動(dòng)，使聲門處形成周期性的脈沖串，并用它去激勵(lì)聲道。

由于脈沖串類似于斜三角形的脈沖，故以基音周期為周期的單位取樣序列串作為激勵(lì)

b.清音激勵(lì)：聲帶松弛而不振動(dòng)，氣流通過(guò)聲門直接進(jìn)入聲道。

由于發(fā)清音時(shí)，聲道被阻礙形成湍流，可將激勵(lì)模擬成隨機(jī)白噪聲

二、聲道模型

a.聲管模型：將聲道視為由多個(gè)不同截面積的管子串聯(lián)而成的系統(tǒng)

b.共振峰模型：聲道視為一個(gè)諧振腔，共振峰就是這個(gè)腔體的諧振頻率

級(jí)聯(lián)型

適用于一般單元音,認(rèn)為聲道是一組串聯(lián)的二階諧振器，用一個(gè)全極點(diǎn)模型

并聯(lián)型

適用于非一般元音及大部分輔音，發(fā)這些音時(shí)發(fā)音腔體具有反諧振特性，必須在模型中加入零點(diǎn)以減弱諧

振強(qiáng)度，故要考慮用零極點(diǎn)模型

混合型

我們可以根據(jù)發(fā)音的需要自動(dòng)切換串聯(lián)或并聯(lián)通路，此外并聯(lián)部分還有一條直通路徑，其幅度控制因子為AB

這是專為一些頻譜特性較為平坦的音素如[f]、[p]、[b]而考慮的，以增強(qiáng)反諧振特性

三、輻射模型

在發(fā)音腔道內(nèi)形成的氣流經(jīng)由嘴唇端輻射出來(lái)到達(dá)聽(tīng)者耳朵的這段過(guò)程，聲音信號(hào)會(huì)衰減，而且有高通濾波的特性

常用一個(gè)一階的數(shù)字高通濾波器來(lái)模擬

模型總結(jié)：

1. 此模型并非最完備的模型，因?yàn)樗鼘?duì)一些音是不適用的如濁音中的摩擦音，這種音要有發(fā)濁音和清音的兩種激勵(lì)，而不是簡(jiǎn)單的疊加關(guān)系，對(duì)這些音我們可用更精確的模型來(lái)模擬。

2. 語(yǔ)音產(chǎn)生的數(shù)字模型中增益控制（對(duì)Av或AN）代表了輸出語(yǔ)音的音響強(qiáng)度；

時(shí)變線性系統(tǒng)主要用來(lái)模擬聲道的特性；

3.數(shù)字語(yǔ)音處理中兩個(gè)基本問(wèn)題，即語(yǔ)音分析和語(yǔ)音合成，都是基于這個(gè)模型來(lái)實(shí)現(xiàn)的；

4.此數(shù)字模型的特點(diǎn)：

系統(tǒng)參數(shù)固定不變——短時(shí)分析；

全極點(diǎn)性質(zhì)——零點(diǎn)可由多個(gè)極點(diǎn)逼近；

激勵(lì)源和聲道互相獨(dú)立——適用于大多數(shù)數(shù)字語(yǔ)音處理。

7、窄頻帶、寬頻帶語(yǔ)譜圖定義、特點(diǎn)（深刻理解）

語(yǔ)譜圖：即語(yǔ)音信號(hào)的頻譜圖，語(yǔ)譜圖的橫坐標(biāo)是時(shí)間，縱坐標(biāo)是頻率

窄頻帶語(yǔ)譜圖：語(yǔ)譜圖的產(chǎn)生是用傅里葉轉(zhuǎn)換，當(dāng)我們用較長(zhǎng)的分析窗口（約20ms，對(duì)應(yīng)頻寬約為45Hz）時(shí)，得到的頻率分辨率較高，頻譜上可以看到諧振的成分。在語(yǔ)譜圖上呈現(xiàn)等距的黑白相間橫線條，其間距就是基頻(F0)。

寬頻帶語(yǔ)譜圖：若是在轉(zhuǎn)換演算時(shí)用較少的取樣點(diǎn)（分析窗口大約3ms，對(duì)應(yīng)頻寬約300Hz）則頻譜上看不到諧振成分，在語(yǔ)譜圖上看不到等距的黑白相間。頻率分辨率較低，反而是時(shí)軸上的分辨率較高，看到明顯的垂直線條。

共振峰：

在頻域上，能量集中處就是共振峰之所在，在語(yǔ)譜圖上就是顏色較深的位置。

在發(fā)元音時(shí)，音強(qiáng)較大，聲帶振動(dòng)而呈現(xiàn)出基頻及其諧振頻率，也可以明顯看到共振峰，能量集中在低頻。

如果是發(fā)輔音，而且聲帶不振動(dòng)，就看不到諧振頻率。通常輔音的音強(qiáng)小，顏色看來(lái)就比較淡，而且能量較集中在高頻。

若是在沒(méi)有語(yǔ)音的空檔，則語(yǔ)譜圖上呈現(xiàn)的，就是有一段空白。