语音信号处理－－韩纪庆－－笔记1：声学基础及产生模型

语音信号的声学基础及产生模型

1.语音信号产生：说话人产生想要语言表达的信息，转换成语言编码（将信息用所包含的音素序列、韵律、响度、基音周期的升降表达出来），神经肌肉命令声带振动，并塑造声道形状。

2.语音的声学特征：声波是一种纵波（传播方向和振动方向一致）。从物理描述上看，声波参数有频率－－音高；振幅－－响度。物理概念以外还有复合音（有一串倍音，但并非所有倍音都那么明显）、纯音（只有基音没有倍音－－类似周期信号的频谱谐波性收敛性）。当把声道看成一个发音的腔体时，激励的频率达到固有频率时，声道会以最大的振幅振荡，即产生共鸣，这个频率叫共振频率。

3.语音信号的时频域表示：

①时域波形：语音信号－－电信号－－A/D采样存入计算机；语音信号具有短时平稳性，元音信号具有很强的准周期性，幅度较强；辅音信号波形类似于白噪声，振幅较弱。

②频域波形：以频率为横轴，声音强弱为纵轴（单位dB）的图

③语谱图：横轴表示时间，纵轴表示频率，图上像素点的灰度值反应相应时刻、相应频率的信号能量。－－宽带语谱图频率分辨率高，呈现垂直条纹，条纹间距即为基音周期；窄带语谱图时间分辨率高，呈横杠，其为共振峰。

4.汉语中的语音分类：

辅音、单元音、复元音、复鼻尾音。

5.汉语语音的韵律特性：

音色－－由混入基音的倍音决定的；音高－－对应频率变化，基频随声调的变化而变化；音长－－发音时间的持续长短；音强－－发音轻重。

汉语语音的特点：音素少、音节少、音节简单。

6.语音信号的感知：

听觉系统（略）

听觉特性：一般来说，声音从右耳传至左脑的速度比较快；对于辅音，右耳比左耳强一些，听音调也是右耳有优势。

掩蔽效应：人耳的主观感觉（听觉）和客观实际（声波）不完全一致。掩蔽效应是一种心理声学现象，在一个较强的声音附近，相对较弱的声音不被人耳察觉。掩蔽分为同时掩蔽和异时掩蔽。同时掩蔽发生在掩蔽者和被掩蔽着同时存在，也叫频域掩蔽，能否被听到取决于强度和频率；异时掩蔽也叫时域掩蔽，分为前掩蔽（可持续20ms）和后掩蔽(可持续100ms)。

7.语音信号的线性产生模型：

激励模型（语音和噪声）－－声道模型－－辐射模型（口和唇）

8.语音信号的非线性产生模型：

调频－调幅模型（AM－FM）－－能量算子－－能量分离算法

ps：以下摘自语音信号处理-赵力：

9.语音生成系统和语音感知系统

发音系统包括口、鼻、咽、喉、气管、肺；喉的部分称为声门，由声门到嘴唇的呼吸道为声道，声道形状不断改变，发出不同声音。

听觉系统的主要部分是人耳，由内耳中耳外耳组成，内耳的主要器官是耳蜗，它将声音通过机械变换变为神经发放信号。人儿的听觉系统有两个特性--耳蜗对于声音信号的时频分析、人耳听觉掩蔽特性。

                   

10.语音信号的数学模型

①激励模型--发浊音时声带不断开关，产生间歇性脉冲波，形状类似于斜三角波如下，即浊音为以基音周期为周期的斜三角波脉冲串；发清音时可用随机白噪声模拟。

                                        

②声道模型--两种常见建模方法：视为多个等长的不同截面的管子串联起来的系统（声管模型），或者视为一个谐振腔（共振峰模型）。基于物理学的共振峰理论可分为级联、并联、混合型共振峰模型。

③辐射模型--语音信号的声压波和从声道模型输出的速度波之比称为辐射阻抗，表征口唇的辐射效应。

综上，完整的语音信号模型可以用激励模型、声道模型、辐射模型串联表示：