1、聲音是一種波,能被人耳聽到,它的振動頻率在20~20000Hz之間。
2、語音產生的過程
語音的形成過程:空氣由肺部排入喉部,經過聲帶進入聲道,最后由嘴輻射出聲波,形成語音。
3、聲音的分類(概念:理解+記憶)
濁音:聲帶繃緊,氣流通過時會使得開口變成一開一閉的周期性動作,造成周期性的激發氣流,如a,o;
(由聲帶震動產生的音),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狹窄的通道,產生空氣湍流,如t,d;
(不由聲帶震動產生的音)
爆破音:聲帶完全舒展,聲道的某部位完全閉合,一旦閉合點突然開啟,空氣壓力快速釋放,如b,p。
4、語音的兩個重要聲學特性——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,其值等于聲帶張開和閉合一次的時間的倒數(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特性。聲道對于一個激勵信號的響應,可以用一個含有多對極點的線性系統來近似描述。每對極點都對應一個共振峰頻率。這個線性系統的頻率響應特性稱為共振峰特性,它決定信號頻譜的總輪廓,或稱譜包絡。
語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聲音的頻譜特性,即音色。
元音的音色和區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音信號頻譜分析得到的幅頻特性觀察到。
6、完整的語音信號產生的數字模型:(會畫圖+解釋各部分模型原理特點)
我們可將語音信號看成準周期序列或隨機噪聲序列作為激勵的線性非移變系統的輸出,此模型可分為三個部分:激勵模型、聲道模型、輻射模型
語音信號完整的數字模型(重點)
一、激勵模型
a.濁音激勵:氣流在通過繃緊聲帶時,沖激聲帶產生振動,使聲門處形成周期性的脈沖串,并用它去激勵聲道。
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
b.清音激勵:聲帶松弛而不振動,氣流通過聲門直接進入聲道。
由于發清音時,聲道被阻礙形成湍流,可將激勵模擬成隨機白噪聲
二、聲道模型
a.聲管模型:將聲道視為由多個不同截面積的管子串聯而成的系統
b.共振峰模型:聲道視為一個諧振腔,共振峰就是這個腔體的諧振頻率
級聯型
適用于一般單元音,認為聲道是一組串聯的二階諧振器,用一個全極點模型
并聯型
適用于非一般元音及大部分輔音,發這些音時發音腔體具有反諧振特性,必須在模型中加入零點以減弱諧
振強度,故要考慮用零極點模型
混合型
我們可以根據發音的需要自動切換串聯或并聯通路,此外并聯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,以增強反諧振特性
三、輻射模型
在發音腔道內形成的氣流經由嘴唇端輻射出來到達聽者耳朵的這段過程,聲音信號會衰減,而且有高通濾波的特性
常用一個一階的數字高通濾波器來模擬
模型總結:
1. 此模型并非最完備的模型,因為它對一些音是不適用的如濁音中的摩擦音,這種音要有發濁音和清音的兩種激勵,而不是簡單的疊加關系,對這些音我們可用更精確的模型來模擬。
2. 語音產生的數字模型中增益控制(對Av或AN)代表了輸出語音的音響強度;
時變線性系統主要用來模擬聲道的特性;
3.數字語音處理中兩個基本問題,即語音分析和語音合成,都是基于這個模型來實現的;
4.此數字模型的特點:
系統參數固定不變——短時分析;
全極點性質——零點可由多個極點逼近;
激勵源和聲道互相獨立——適用于大多數數字語音處理。
7、窄頻帶、寬頻帶語譜圖定義、特點(深刻理解)
語譜圖:即語音信號的頻譜圖,語譜圖的橫坐標是時間,縱坐標是頻率
窄頻帶語譜圖:語譜圖的產生是用傅里葉轉換,當我們用較長的分析窗口(約20ms,對應頻寬約為45Hz)時,得到的頻率分辨率較高,頻譜上可以看到諧振的成分。在語譜圖上呈現等距的黑白相間橫線條,其間距就是基頻(F0)。
寬頻帶語譜圖:若是在轉換演算時用較少的取樣點(分析窗口大約3ms,對應頻寬約300Hz)則頻譜上看不到諧振成分,在語譜圖上看不到等距的黑白相間。頻率分辨率較低,反而是時軸上的分辨率較高,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,在語譜圖上就是顏色較深的位置。
在發元音時,音強較大,聲帶振動而呈現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。
如果是發輔音,而且聲帶不振動,就看不到諧振頻率。通常輔音的音強小,顏色看來就比較淡,而且能量較集中在高頻。
若是在沒有語音的空檔,則語譜圖上呈現的,就是有一段空白。
-
語音信號處理
+關注
關注
1文章
8瀏覽量
9228
發布評論請先 登錄
相關推薦
評論