《5Vowelquadrilateral.ppt》由会员分享，可在线阅读，更多相关《5Vowelquadrilateral.ppt（35页珍藏版）》请在三一文库上搜索。
1、Waveform Characteristics,语音信号幅度动态范围一般最大为40分贝，实际由于说话人的差别可以达到6070分贝。 元音幅度较大，有准周期性；清辅音幅度小，和噪声特性相似。 在长时间的语音信号中有相当多的无信号区间，即所谓的语音寂静区间。 幅度概率密度函数以零幅和近似零幅的概率高，而幅度非常高的情况概率很小。 长时平均幅度的概率密度分布可以用高斯分布、拉普拉斯分布和伽玛(Gamma)分布逼近。 对于短时幅度概率密度用高斯分布逼近就够了。,长时平均幅度的概率密度分布,语音信号相邻样值之间存在很大的相关性,短时自相关函数和长时自相关函数可以用来描述语音的幅度特性,Frequenc
2、y Characteristics,带宽有限 一般为203400Hz ,有限的带宽特性决定了可以用有限的奈奎斯特取样速率，把语音信号离散化 功率谱密度 语音中不同频谱分量的平均概率可以用长时平均谱密度来表示。 语音波形高频分量对语音总能量的贡献很小，但是高频分量带有重要的语音信息，平均功率谱约在250-500Hz处最大，而高于此频率的功率谱约以每倍频程610dB下降。 语音信号的短时频谱并不总是低通特性。辅音有较高的频谱分量，显噪声特性；元音从总体上看是低通的，显示明显的局部特性。,Voiceless and voiced,浊音（Voiced Speech ） 声带的振动产生准周期的声门脉冲激
3、励声道产生浊音； 在时域是准周期的（quasi-periodic），在频域具有谐波结构； 周期脉冲的频率就是基频（Fundamental Frequency）或基音（Pitch）； 清音（Unvoiced Speech ） 当气流在声道中受到阻碍时，产生湍流，此时生成清音。 清音在时域类似随机噪声，在频域具有宽带特征； 混合音（Mixed Speech ）,浊音的能谱由精细的谐波结构和共振峰结构刻画。 共振峰结构，即谱包络（Spectral Envelope） 共振峰（Formant）就是谱包络的峰值。 共振峰反应了声道的共振特性，一般人的声道有3到5个低于5kHz的共振峰。,语音信号具有很强
4、的“时变特性” 在有些段落中它具有很强的周期性，有些段落中又具有噪声特性，而且周期性语音和噪声语音也在不断变化之中。 语音信号是非平稳的，但具有“准平稳特性” 在较短的时间间隔内（一般20200ms），可以认为语音信号的特征基本保持不变。 数字语音信号处理中，通常采取短时分析技术。,时变,准平稳,准周期,带限,P为全极点滤波器的阶，其值越大，模型传输函数与声道实际传输函数的吻合程度就越大，P=812。 ak为模型的系数。 V(Z)的共振极点与语音的共振峰对应：,问：一般共振峰的数目是多少？有什么估算共振峰频率的办法？,Radiation model,R(Z)与嘴型有关,模型的内部结构并不和语音
5、产生的物理过程一致，这种模型和真实模型只是在输出处等效。 模型是“短时的”，其中G(Z)和R(Z)不变，而基音频率、清浊开关、增益、声道参数ak都是时变的； 声道参数在1030ms的范围内近似不变； 激励参数在5ms左右近似不变。 语音信号处理的两个基本问题：语音分析与合成，都是基于这个模型来实现的。 还有更复杂更精细的模型。,短时功率谱示例,语谱图,Difference between Vowels and Consonants,语言当中的音可以分为元音和辅音两大类。汉语拼音方案中的 和英语中的,等都是元音，汉语拼音的b p m f和英语中的b d g p t k等都是辅音。,一般说来，元音
6、和辅音的区别可以从下面几个方面来考虑：,1从功能上来讲，元音往往能自成音节，辅音一般不能独立地构成音节。 2在物理属性方面，元音基本上由乐音构成，辅音则有一定的噪音。 3在听觉上，发元音时，声带振动，比较响亮；发辅音时，有的声带不振动，自然不够响亮，有的声带即使振动，但由于在声腔中受到某种阻碍，还是不如元音响亮。,4在生理属性方面，主要有三个方面的区别： 第一，发辅音的时候，发音器官的某一部位形成阻碍，气流在只有克服阻碍才能发出来；发元音的时候，气流通过生门使声带发生振动，气流在其通道上不受到阻碍，只受到各种共鸣。 第二，发辅音时，因为要克服某种阻碍，气流就比较强；发元音时，因无需克服阻碍，气
7、流就比较弱。,第三，发辅音时，因为要有一定的阻碍，阻碍部位的发音器官就明显地紧张；发元音时，发音器官的紧张度并不集中于某个部位，发音器官的各部位均匀紧张。,三、元音： 要重点掌握8个基本元音。,1决定元音音质的因素：主要有三个方面的因素，一、舌位的高低，二、舌位的前后，三、嘴唇的圆展。这三个因素的不同组合，便能发出不同的元音。,2元音舌位图：a是元音的四个极点，围成一个四边形，叫做元音舌位图。变更口腔形状所能发出的绝大部分元音都在这个图的范围之内。,（1）a：前、低、不圆唇：嘴唇不圆，嘴张得最大，即开口度最大，舌头尽量往前伸，舌位最低，发出的音像“爱”（ai）里面的前一个音，国际音标标为a。
8、（2）：后、低、不圆唇：嘴唇不圆，嘴张得最大，即开口度最大，舌头尽量往后缩，舌位最低，发出的音像“昂”（ang）里面的前一个音，国际音标标为。,（1）a：前、低、不圆唇：嘴唇不圆，嘴张得最大，即开口度最大，舌头尽量往前伸，舌位最低，发出的音像“爱”（ai）里面的前一个音，国际音标标为a。 （2）：后、低、不圆唇：嘴唇不圆，嘴张得最大，即开口度最大，舌头尽量往后缩，舌位最低，发出的音像“昂”（ang）里面的前一个音，国际音标标为。,（3）i：前、高、不圆唇：嘴唇合拢，即开口度最小，舌头尽量往前伸，舌位最高，发出的音像“衣”（i），国际音标标为i。 （4）u：后、高、圆唇：嘴唇合拢，即开口度最小，
9、舌头尽量往后缩，舌位最高，发出的音像“乌”（u），国际音标标为u。,前、高、不圆唇 后、高、圆唇 i u a 前、低、不圆唇 后、低、不圆唇,上图中，两条竖线代表舌位前后，横线代表舌位的高低。同一条竖线上的元音，舌位的前后差不多（随着开口度的不断增大，舌位也逐步靠后，所以，两条竖线并不是竖直的，而是有点后斜，而且前面的倾斜程度要稍微大一些）。,同一条横线上的元音，舌位的高低也差不多，同样，随着舌位的逐步靠后，舌头所能达到的最高点也随之有所降低，所以，上面的那条横线有点向下倾斜。,3基本元音（cardinal vowals） （1）主要基本元音,前 最高 i u后 半高 e o 半低 最低a ,
10、在元音舌位图中的四个极端元音的基础上，可以进一步得到8个主要基本元音。,e：对于前面这条线，我们把从i到a的距离分成三等分，第一个三分之一处大致相当于汉语“梅”（mei）中的e，称为半高元音，由于发这个音时，舌位靠前，嘴唇不圆，所以这个音被称为“前半高不圆唇”元音。,：把从i到a的距离分成三等分，第二个三分之一处大致相当于英语单词“fair”中的，称为半低元音，由于发这个音时，舌位靠前，嘴唇不圆，所以这个音被称为“前半低不圆唇”元音。,o：对于后面这条线，我们把从u到的距离分成三等分，第一个三分之一处大致相当于汉语“波”（bo）中的o和法语的beaubo（美丽的），称为半高元音。由于发这个音时，舌位靠后，圆唇，所以这个音被称为“后半高圆唇”元音。,元音三角图 Vowel Triangle Diagram,i,a,u,F1,F2,300,800,2400,1200,