语音信号处理复习资料要点

合集下载

语音信号的考试部分知识点

语音信号处理复习资料一、名词解释：1、基音周期：声带开合一次的时间为基音周期（pitch period）。

它的倒数称为基频。

2 、音色：也叫音质；由混入基音中的倍音决定。

3 、音高：声音的高低；主要用基频反映。

基频值越大，反映出的音高越高。

4、音强：发音的轻重；可以用声压或声强来表示声音的强度，一般用相对声压或相对声强表示。

5、音长：声音的长短，取决于发音持续时间的长短。

6、响度：是一种主观心理量，主观感觉到的声音强弱的一种衡量标准，它与频率有关。

一样的音强，不一样的频率，则响度也会有所不同。

7、听觉掩蔽效应：一个更响的音调可以将其频率附近的较低的音调掩蔽。

可以分为同时掩蔽和异外时掩蔽。

8、临界频带：一个纯音可以被以它为中心频率，且具有一定带宽的连续噪声所掩蔽，如果在这一频带内噪声功率等于该纯音的功率，这时该纯音处于刚好能被听到的临界状态，即称这一带宽为临界带宽。

临界带宽有许多近似表示，一般在低于500 Hz的频带内，临界带宽约为100Hz，在高于500Hz 时，临界带宽约为中心频率的20% 。

人耳的基底膜具有与频谱分析仪相似的作用。

频率群的划分相应地将基底膜分成许多小的部分，每一部分对应一个频率群。

掩蔽效应就是在这些频率群内发生，这是因为对应的那一频率群的基底膜部分的声音，在大脑中似乎是叠加在一起来评价的，如果这时同时发声，可以互相掩蔽。

9、采样的基础知识：对于一个有限带宽的模拟信号，其频谱的最高频率为F0，在对其进行采样时，其采样频率在Fs>2F0时，采样后的信号才能保证信息不丢失。

语音信号中人耳可以感知的最大频率在3.4KHz左右采样频率在8KHz~16KHz之间短时分析：内平稳语音信号是一种随时间而变化的信号，可能是浊音激励也可能是清音激励，浊音的基音周期以及信号幅度等语音特性也都随时间变化，但这种变化是缓慢的，在一小段短时间内10~30ms，语音信号近似不变。

于是，我们把变化的语音信号分成一些相继的短时间段来处理。

语音信号处理复习华南理工.

语音信号处理复习第二章语音信号处理基础知识1，定义：（1）语音是指人们讲话时发出的话语，它是一种声音，具有声学特征的物理特性。

而它又是一种特殊的声音，是人们进行信息交流的声音，是组成语言的声音。

因此语音是语言和声音的组合体。

（2）语音是由人的发声器官发出的一种声波，它具有音色、音调、音强和音长。

①音色：是一种声音区别于另一种声音的基本特征②音调：指声音的高低，取决于声波的频率③音强：指声音的强弱，取决于声波的振幅④音长：指声音的长短，取决于发音时间的长短（3）任何语言都有语言的元音和辅音两种音素：元音：当声带振动发出的声音气流从喉腔、咽腔进入口腔从唇腔出去时，这些声腔完全开放，气流顺利通过。

一个重要的声学特性是共振峰。

辅音：由于通路的某一部分封闭起来或者受到阻碍，气流被阻不能畅通。

包括清音和浊音。

①浊音：声带振动②清音：声带不振动（4）人的听觉系统有两个重要的特性：①时频分析特性：人的耳蜗就像一个频谱分析仪，将复杂的信号分解成各种频率分量。

②听觉掩蔽效应：心理声学中的听觉掩蔽效应指在一个强信号附近，弱信号将变得不可闻，被掩蔽掉了。

掩蔽效应分为同时掩蔽和短时掩蔽。

2，语言信号生成的数学模型：①激励模型：在声门（声带）以下，称为“声门子系统”，它负责产生激励振动，是激励系统②声道模型：从声门到嘴唇的呼气通道是声道，是声道系统③辐射模型：语音从嘴唇辐射出去，则嘴唇以外是辐射系统3，语音信号的特性分析：（1）语音信号的时域波形和频谱特性：①时域波形：周期性，周期对应声带振动的频率，即基音频率。

②频谱特性：共振峰特性。

元音频谱有明显的几个凸起点，它们出现的频率就是共振峰频率。

清辅音频谱峰点之间的间隔是随机的，没有周期分量。

（2）语谱图：语谱图是一种三维图谱，它是表示语音频谱随时间变化的图形，其纵轴为频率，横轴为时间，任一给定频率成分在给定时刻的强弱用相应点的灰度或色调的浓淡来表示。

语谱图中显示了大量的与语音的语句特性相关的信息，它综合了频谱图和时域波形的特点，明显地显示出语音频谱随时间的变化情况，或者说是一种动态的频谱。

南理工语音信号处理期末考试重点整理

第02章基础知识—9
3、语音信号产生的数字模型
3. 语音信号产生的数字模型
下图是一个完整的语音信号产生的数字模型：
第02章基础知识—10
3、语音信号产生的数字模型
由此模型框图，我们可将语音信号看成准周期序列或随机噪声序列作为激励的线性非移变系统的输出，此模型可分为三个部分：激励模型、声道模型、辐射模型激励模型根据发浊音和发清音的机理又分为：(a)浊音激励 (b)清音激励
第02章基础知识—12
由图可见，它是一个低通滤波器。频率分析表明，其幅度谱按12 dB/倍频程的速率衰减。如果将其表示为Z变换的全极模型的形式，有 G(z)＝1/ (1-g1z-1)(1-g2z-1) 如果g1和g2的值都接近于1，则由此形成的激励信号频谱很接近于声门脉冲的频谱。显然，上式表明斜三角波可描述为一个二阶极点的模型。需要指出，不同人、不同语音，其声门脉冲的形状不一定相同，但在语音合成中对其形状要求不很苛刻，只要其傅里叶变换有近似的特性就可以了。
3
第2章语音信号基础知识
1.
声音是一种波，振动频率在20～20 000 Hz之间。 20HZ以下：次声波 20 000HZ以上：超声波
第02章基础知识—4
1、人类的语言器官
1. 人类的语言器官
人体发音器官—肺、气管、喉（包括声
带）和声道肺是语音产生的能源所在；声带为产生语音提供主要的激励源；声道是指声门至嘴唇的所有器官：咽、鼻腔、口腔等，它们具有非均匀截面，且随时间变化，起共鸣器（或谐振器）的作用。
第02章基础知识—7
Hale Waihona Puke 、语音信号产生过程语音的两个重要声学特性：基音频率，共振峰浊音的基音频率(F0)：由声带的尺寸、特性和声带所受张力决定，其值等于声带张开和闭合一次的时间的倒数。人类基音频率的范围在80～500 Hz左右。共振峰(Fn , n=1,2,...)：声道是一个谐振腔，它放大声音气流的某些频率分量而衰减其他频率分量，被放大的频率我们称之为共振峰或共振峰频率。声道具有的一组共振峰，声道的频谱特性主要反映出这些共振峰的不同位置以及各个峰的频带宽度。共振峰及其带宽取决于声道某一瞬间的形状和尺寸，因而不同的语音对应于一组不同的共振峰参数。实际应用中，头三个共振峰最重要,越多越精确。

语音信号处理期末复习题

语音信号处理期末复习题语音信号处理期末复习题语音信号处理是一门研究语音信号的产生、传输、处理和识别的学科。

它广泛应用于语音识别、语音合成、语音增强等领域。

在本文中，我们将回顾一些与语音信号处理相关的重要概念和技术。

一、语音信号的产生和特征提取语音信号是由人的声带振动引起的空气压力变化所产生的。

在语音信号处理中，我们通常使用基频、共振峰和声强等特征来描述语音信号。

1. 基频是指声音中最低频率的周期性振动。

它与人的声带振动频率相关，可以用来区分不同的语音音调。

2. 共振峰是指声音中频率响应最大的频率。

它与声道的共振特性相关，可以用来区分不同的语音音色。

3. 声强是指声音的能量大小。

它与声音的响度相关，可以用来区分不同的语音强度。

为了提取语音信号的特征，我们可以使用时域分析和频域分析等方法。

时域分析可以通过计算语音信号的短时能量和过零率等参数来描述语音信号的时域特征。

频域分析可以通过计算语音信号的功率谱和倒谱等参数来描述语音信号的频域特征。

二、语音信号的传输和编码在语音信号处理中，为了实现语音信号的传输和存储，我们需要对语音信号进行编码。

编码可以将连续的语音信号转换为离散的数字信号，以便于传输和处理。

1. 量化是指将连续的语音信号转换为离散的数字信号。

在量化过程中，我们需要选择合适的量化步长和量化级数，以平衡信号的保真度和数据的压缩率。

2. 编码是指将离散的数字信号表示为二进制码。

在编码过程中，我们可以使用不同的编码算法，如脉冲编码调制（PCM）和自适应差分脉冲编码调制（ADPCM）等。

为了提高语音信号的传输效率，我们还可以使用压缩算法对语音信号进行压缩。

压缩算法可以分为有损压缩和无损压缩两种。

有损压缩可以通过去除语音信号中的冗余信息来减少数据量，但会引入一定的失真。

无损压缩可以通过使用编码算法来减少数据量，但不会引入失真。

三、语音信号的处理和识别在语音信号处理中，我们可以使用滤波器、时域变换和频域变换等技术来对语音信号进行处理和分析。

语音信号处理期末复习讲解

3.3短时能量分析
短时能量定义
• 短时：通过加窗来实现 • 能量：通过求信号幅度的平方来实现
En
m
[ x(m)w(n m)]

2

m n N 1

n
[ x(m)w(n m)]
2
• 窗的位置随n变化
窗的类型
• 直角窗（矩形窗）
Time domain 40 1 30 0.8 20 10 0 -10 -20
人体发声的部位
声带——震动的来源
Tp
典型声门脉冲波形
• Tp为基音周期，倒数为基音频率，用fp表示，取决于声带的尺寸和特性 • 男性说话者的fp大致分布在60-200Hz范围内 • 女性说话者和小孩的fp值在200-450Hz范围内 • 同一个人所发出的声音有高低变化，是靠控制声带的松紧来调节的。
MOS得分 5 4 3 2 1 质量等级优良可差坏失真级别不觉察刚有觉察有觉察且稍有可厌明显觉察且可厌但可忍受不可忍受
第三章语音信号的时域分析
语音信号的稳态——帧的概念
• 语音自身从长时间看是非稳态过程，从短时间看是相对稳定的，既“短时性”。 • 将语音分为一段一段的，每一段称为“一帧”，大概时间为10-30ms • 短时时域分析是语音处理的基本方法，也是最直观、最易理解的方法
窗的类型
• 海明窗（Hamming，也称汉明窗，升余弦）
Time domain 40 1 20 0.8 0
Frequency domain
Magnitude (dB)
10 20 30 40 Samples 50 60
Amplitude
0.6
-20 -40 -60

语音信号处理第二章

和共振峰模式，它们是区别不同韵母的重要参数。
42
三、汉语音节的一般结构
声母、韵母和声调是汉语语音的三要素。汉语语音最大的特点是它具有声调（音调）。声调是1个音节在念法上的高低升降的变化，汉
语中有4个声调，即阴平（－）、阳平（ ′）、
上声（）、和去声（‵）。
43
声调的变化就是浊音基音周期的变化，为了将调值描写地具体一些，一般采用“五度标记法”，用一条竖线表示声音的高低，从上而下用1、2、3、
50
内耳
★ 结构：半规管、前庭窗、耳蜗组成。
★ 作用：将振动转换成神经冲Fra bibliotek.51
人工耳蜗人工耳蜗是一种电子装置，能帮助重度及极重
度耳聋患者重新恢复听觉。
人工耳蜗的工作原理麦克风----言语处理器----传输线圈----皮下接收器---刺激听神经纤维
52
53
2.声音传入内耳的途径
由空气传导，称为气导，其过程为：声波耳廓鼓膜听骨内耳基底膜上
●音强：声音的强弱，它由声波的振动幅度A 所决定
●音长：发音时间的长短t
26
四、音节与音素
句子的最小单位为单词，单词的最小单位为音节。
音节：发音时，被明显感觉到的语音片段为音节，一个音节由一个音素或几个音素构成。音素：是发音的最小单位。分为元音和辅音。元音是构成音节的主干，从长度和能量来看，在音节中占主要位置，如[ma]；辅音只是出现在音节的前端或后端或前后两端，如:bee,desk.它们的时长和能量较小。
29
发元音的三个条件
（1）声带振动（2）声道不发生极端的狭窄，维持稳定的形状（3）和鼻腔不发生耦合，声音只是从口腔中辐射出去。

【精选】语音信号处理复习课件

第三篇语音信号处理技术与应用
第10章第11章第12章
语音编码（一）
——波形编码语音编码（二）
——声码器技术与混合编码语音合成
第13章语音识别
第14章说话人识别
第15章语音增强
第1章绪论
•语音信号处理：概念、应用领域 •语音、语言：
第2章语音信号处理的基础知识
•语音的产生 •语音的分类: 浊音、清音 •语音的基本特性 •语音的时间波形和频谱特性 •语音信号的统计特性
3. 短时自相关函数和短时平均幅度差函数定义和用途，它们间有什么差异？
第4章语音信号的短时傅里叶分析

表达式 X n (e j ) x(m)w(n m)e jm m
• 短时傅里叶变换的定义标准傅里叶变换的解释
滤波器的解释
频率分辨率、时间分辨率与窗口长度的关系：f 1
•短时分析技术：对语音信号采用分段或叫分帧处理
称为短时分析
•短时能量分析
短时平均能量的定义窗口形状的选择窗口的长度
主要用途：区分清音段和浊音段
•短时平均幅度
•短时过零分析：定义、主要用途
•短时相关分析
第3章思考题：
1. 在语音信号参数分析前为什么要进行预处理，有哪些预处理过程？
2. 短时平均能量（平均幅度）和短时平均过零率的定义。这两种时域参数的用途。窗口函数的长度和形状对它们有什么影响？
s(n)
A(z)
逆滤波器
e(n)
A(z)
1
F(z)
1
p i 1
ai zi

1 H(z)
第6章思考题：
1.如何将信号模型化为模型参数？最常用的是什么模型？什么叫线性预测？什么叫逆滤波器？ 2.自相关法求预测误差滤波器的预测系数、预测误差功率的过程。

语音信号处理复习纲要

语音信号处理复习纲要一、引言语音信号处理是一门研究如何对语音信号进行分析、合成、增强和识别的学科。

它在语音通信、语音识别和语音合成等领域有着广泛的应用。

本文将对语音信号处理的基本概念、技术和方法进行复习总结，以帮助读者加深对该领域的理解和掌握。

二、语音信号的基本特性1. 语音信号的产生机制：人类通过声带、喉咙、口腔和鼻腔等器官产生声音，形成语音信号。

2. 语音信号的基本特性：语音信号是一种时变信号，具有频率、幅度和相位等特性。

3. 语音信号的时域和频域表示：语音信号可以通过时域波形和频域谱图来表示。

三、语音信号的预处理1. 语音信号的采样和量化：将连续的语音信号转换为离散的数字信号。

2. 语音信号的预加重：通过预加重滤波器强调高频成分，提高语音信号的信噪比。

3. 语音信号的分帧：将语音信号分成若干帧，以便对每一帧进行进一步处理。

四、语音信号的特征提取1. 短时能量和过零率：用于表示语音信号的能量和过零点的数量。

2. 基频和共振峰：用于表示语音信号的基频和共振峰的频率和幅度。

3. 线性预测编码（LPC）：通过线性预测模型来提取语音信号的特征。

4. 倒谱系数：通过倒谱分析来提取语音信号的特征。

五、语音信号的增强和降噪1. 语音增强的方法：包括谱减法、频率平滑法和Wiener滤波法等。

2. 语音降噪的方法：包括时域滤波法、频域滤波法和小波变换法等。

六、语音信号的合成1. 线性预测编码（LPC）合成：通过LPC模型来合成语音信号。

2. 基频和共振峰合成：通过基频和共振峰来合成语音信号。

七、语音信号的识别1. 语音特征匹配：将语音信号的特征与已知模板进行匹配，以实现语音识别。

2. 隐马尔可夫模型（HMM）：通过HMM来建模语音信号，实现更准确的语音识别。

八、语音信号处理的应用1. 语音通信：包括语音编码、语音解码和语音传输等。

2. 语音识别：包括语音指令识别、语音转文字等。

3. 语音合成：包括文本转语音、语音合成等。

语音信号处理复习要点

考试时间：6月21日下午1：30-3：20考试地点：七（1、3、5班）、六阶（2、4及重修）《数字语音处理及Matlab仿真》1.语音信号短时分析的帧长一般取多长？10-30ms2.男性和女性的基音频率分别在什么范围？*P41 男50-250Hz 女100-500Hz3.语音信号的频率范围是多少？*300-3400Hz4.语音信号处理中，经济实用的采样率是多少？*8000Hz5.从能量和过零率两方面说明清音和浊音的区别。

*P 30：浊音能量明显高于清音 P 30：清音过零率高于浊音6.给出基音周期检测的两种方法。

*P 45：基于短时自相关法的基音周期估值和基于短时平均幅度差函数法的基音周期估值。

7.给出语音倒谱的两种应用。

*P 88、90：基因检测与共振峰检测8.语音信号典型的时域特征有哪些？*P190 ：平均能量、短时平均过零率、基音周期。

9.在语音识别和说话人识别中主流的频域特征是什么？*P191 ：MFCC10.在只考虑身高的矢量量化中，如果量化码本中只包含“姚明（2.26米）”和“潘长江（1.58米）”两个码字，你本人应该用哪个码字量化？*1.92以上姚明；1.92以下潘长江11.名词解释（写出缩写的英文缩写的全称、中文名称、简单含义，下同）：MFCC*P24312.什么是基音频率？*P45：浊音声带振动基频称之为及音频率13.名词解释：LPC*P24214.线性预测分析的基本思想是什么？*P95：基本思想：一个语音取样的现在值可以用若干个语音取样过去值的加权线性组合来逼近，在线性组合中的加权系数称为预感器系数。

通过使实际语音抽样和线性预测抽样之间差值的平方和达到最小值，能够决定唯一的一组预测器系数。

15.语音编码从采用的编码方法的角度可以分为哪三类？*P138：波形编码、参数编码、混合编码。

16.名词解释：PCM*P24317.8k采样率、8位量化的编码速率是多少？*64kbit/s18.ADPCM中“D”和“A”分别是什么含义？*P240：A自适应 D差分19.LPC-10的编码速率是多少?它采用的哪类编码方法？*P163：2.4kbit/s 参数编码20.语音合成的方法分为哪三类？*P172：波形合成法、参数合成法、规则合成法。

语音信号处理复习资料

1.说话人识别和语音识别的区别在什么地方? 2.说话人确认和说话人辨认有什么不同？ 3.在说话人识别中，应选择哪些可以表征个人特征的识别参数？ 4.怎样评价说话人识别特征参数选取的好坏？即F 比的物理意义？ 5.说话人确认系统最重要的两个性能指标是什么？含义为什么？ 6.基于DTW和VQ算法的系统框图理解。
R( z ) R0 (1 z )
一阶类高通滤波器形式嘴唇的辐射影响引起的输出信号高频提升作用大约有每倍频程6dB
1
4. 完整的语音信号数字模型
V ( z ) U ( z ) H ( z ) R( z )
基音周期激励模型声道模型
辐射模型
准周期脉冲序列发生器随机噪声发生器增益控制时变参数浊音
学习得到基音周期的计算清音浊音的判断
图2－6 输出的语音频谱虚线为谱包络，恢复谱包络是许多语音处理应用中的主要问题，因为谱包络携带了主要的发音信息
方法根据长时间范围内一段语音信号的大量取样数据的绝对值计算其直方图概率密度
f ( x)
k 2
.
e
k x
x
修正伽玛概率密度
语音的分类
语音的基本特性
语音的时间波形和频谱特性
语音信号的统计特性
激励模型语音信号的产生模型声道模型
声管模型
级联型
共振峰模型并联型
辐射模型
混合型
定义人耳的听力范围语音感知声音的三要素掩蔽效应
第二章思考题：
1. 什么叫语言？什么叫语音？ 2. 人类的发音器官包括哪些？在发音时各起了什么作用？ 3. 解释以下概念：基音频率、共振峰、浊音、清音。 4. 语音信号模型包括哪些子模型？激励模型和辐射模型各属于什么性质的滤波器？

语音信号处理中期复习要点

《语音信号处理》中期复习要点[0].什么是语音？解释音质、音量、音调[1].解释元音、辅音[2].解释音素、音节[3].语音信号的最大特点是什么？[4].解释基音、共振峰的概念[5].列于几种语音预处理的方法[6].语音预处理中的预加重，加重的是哪部份？[7].相同条件下，时间分辨率、频率分辨率、时宽、带宽相互之间成什么关系？[8].讨论窗口大小对短时能量分析的影响。

[9].讨论窗口大小对短时幅度分析的影响。

[10].已知某音频信号的采样率为10kHz，量化精度为16位，均匀量化，则该信号的编码率为？（单位bps）[11].短时能量分析和短时平均幅度分析的本质是相同的，都是以对语音信号的什么为研究对象的。

[12].短时相关分析和短时平均幅度差分析出发点相同，以语音的什么为考察对象的？[13].过零率和什么密切相关?[14].三条曲线分别代表三种音素：浊音V、清音U、无声S（能量较小的背景噪声）的短时过零概率分布，在图中标注对应位置。

[15].三条曲线分别代表三种音素：浊音V、清音U、无声S（能量较小的背景噪声）短时幅度概率分布，在图中标注对应位置。

[16].E n、Mn的作用是什么？[17].解释短时自相关分析为什么能够提取基音。

[18].估计该图语音的基音周期[19].经过修正和没有经过修正的短时自相关分析有何区别？为什么要进行修正？[20].经过修正和没有经过修正的短时平均幅度差分析有何区别？为什么要进行修正？[21].人耳对语音的高频还是低频部分更加敏感？[22].利用语音信号（浊音）的准周期性，来提取基音信息或区分清浊音的时域方法有哪些？[23].E n(k)=21)]()([1∑-=++-+NmkmnxmnxN可以用来提取什么？两个窗口的大小关系是？[24].什么是短时自相关分析的“谱平整”[25].比较短时自相关和AMDF的算法优缺点[26].语音信号的STFT，是一个关于和的二元函数，分别固定它们时，可以得到两种解释，一种是，一种是。

通信中的语音信号处理复习大纲

《通信中的语音信号处理》复习大纲1、了解语音信号处理的目的、实质和发展历史；实质：是研究用数字信号处理技术对语音信号进行处理的一门学科目的：通过处理得到一些反映语音信号重要特征的语音参数以便高效地传输或储存语音信号所包含的信息。

通过对语音信号进行某种运算以达到某种要求。

发展历史：1876年电话的发明，贝尔（Bell）；1939年声码器的研制成功—声源＋声道；1947年贝尔实验室发明语谱图仪—语音识别研究的开始；50年代第一台口授打字机和英语单词语音识别器；60年代出现了第一台以数字计算机为基础的孤立词语音识别器和有限连续语音识别器；70年代动态规划技术、隐马尔可夫模型、线性预测技术和矢量量化码书生成方法用于语音编码和识别；80、90年代语音处理技术产品化—IBM Tangora-5和Tangora-20英语听写机，Dragon Dictate 词汇翻译系统(70000)，汉语听写机。

CMU语音组研制成功SPHINX系统（997，95.8%);国内，清华大学、中科院声学所和中科院自动化所在汉语听写机研究方面有一定成果。

（除了属于这种LPC[线性预测分析法]的方法外，还开发了各种数字语音处理方法。

到目前为止，相继实现了语音编码、语音分析、语音合成、语音修正、语音识别、说话者识别等各种具体应用系统。

）2、理解和掌握语音信号的表示和处理方法，常用的语音编码的采样率和相应的数字语音信号的速率；1.语音表示方法的选择：要保存语音信号中的消息内容；表示形式要便于传输和存储、变换和处理，不至于严重损害消息的内容，有用信息更易于被提取；2. 语音信号数字表示的优点：数字技术能完成许多很复杂的信号处理工作；语音可以看成是音素的组合，具有离散的性质，特别适合于数字处理；数字系统具有高可靠性、价廉、紧凑、快速等特点，很容易完成实时处理任务；数字语音适于在强干扰信道中传输，易于和数据一起在通信网中传输，也易于进行加密传输。

语音信号处理的基础知识

Phoneme(音素) Word formation Grammar Text (Option)
整理课件
5. 语言学和语音信号处理的关系
语言学是语音信号处理的基础。例如：可以利用句法和语义信息减少语音识别中搜索匹配范围，提高正确识别率。
整理课件
6. 语音学和语音信号处理的关系
语音学和语音信号处理联系更加紧密。如：运用现代信号处理技术建立发音的数学模型，确定发音方法；用声学和非平稳信号分析理论来解释各种语音现象；语音信息的存储形式等。
语音的产生
整理课件
发音机理
人的前方
甲状软骨
声门
声带
环形软骨喉的生理结构
喉位于气管的上端，实际上是气管末端一圈软骨构成的一个框架，前方稍高处的软骨称为甲状软骨，前后方环成一圈的称为喉部环形软骨，喉中两片肌肉称为声带，声带之间的空隙为声门。
当声带张开时，声门打开，空气可自由呼出，正常呼吸就处于这种情况；当声带闭合，声门关闭。
c=340m/s
整理课件
女声英文a的时域波形
整理课件
女声英文a的频谱
整理课件
总结
一种声道形状对应一套共振峰
不同人的声道大小不同，共振峰不同
同一人，发不同音，共振峰也不同
共振峰
f1 f2 f3
成年男子成年女子
200~800
250~1000
600~2800 1300~3400
700~3300 1500~4000
带宽
40~70 50~90 60~180
前三个共振峰的大致范围（Hz）
整理课件
鼻腔的作用在软腭的帮助下，可使空气经过鼻腔排除
人体外，由此产生的语音称为鼻音。如[n]、 [ng]为鼻音韵母，[m]、[n]、[l]为鼻音声母。

数字语音复习资料

5
语音信号处理基础知识
语音产生过程
直流气流
交流气流
速度波
声压波
肺
能源
声射源
声音
2.语音产生过程
• 语音的形成过程—空气由肺部排入喉部，经过声带进入声道，最后由嘴辐射出声波，形成语音。浊音(Voiced sounds) ：声带绷紧，气流通过时会使得开口变成一开一闭的周期性动作，这时候就造成周期性的激发气流，如a，o；清音（Unvoiced or Fricative sounds）：声带完全舒展，声道某部位收缩形成一个狭窄的通道，产生空气湍流，如t，d；爆破音：声带完全舒展，声道的某部位完全闭合，一旦闭合点突然开启，空气压力快速释放，如b， p。能被人耳听到，它的振动频率在20～20 000 Hz之间
2. 语音产生过程
语音的两个重要声学特性：浊音的基音频率(F0)：由声带的尺寸、特性和声带所受张力决定，其值等于声带张开和闭合一次的时间的倒数。人类基音频率的范围在80～500 Hz左右。共振峰(Fn , n=1,2,...)：声道是一个谐振腔，它放大声音气流的某些频率分量而衰减其他频率分量，被放大的频率我们称之为共振峰或共振峰频率。声道具有的一组共振峰，声道的频谱特性主要反映出这些共振峰的不同位置以及各个峰的频带宽度。共振峰及其带宽取决于声道某一瞬间的形状和尺寸，因而不同的语音对应于一组不同的共振峰参数。实际应用中，头三个共振峰最重要,越多越精确。
Ai 1 Bi z 1 Ci z 2 i 1 i 1 这就是并联型共振峰模型，每一个二阶因式对应一个共振峰。每个二阶谐振器的幅度可单独控制。 V ( z ) Vi ( z )
k 1
P/2
P/2