汉语普通话基础元音i、y连续感知实验研究

汉语普通话基础元音[i][y]连续感知实验研究
Research on Continuous Perception of [i] and [y]in Mandarin
提要：本文通过汉语普通话基础元音[i][y]的辨认区分实验，旨在探讨汉语普通话基础元音[i][y]的连续听感边界问题，并从声调、测试界面、性别、刺激音高低等方面进行探究，最后得出元音[i][y]的连续听感格局，并与元音[i][y]的孤立听感格局进行对比。

关键字：辨认区分听感
一引言
Liberman等（1957）对浊塞音[b]、[d]、[ɡ]进行实验研究，结果显示人们对辅音属于范畴感知。

Fry、Abramson等（1962）对英语元音[i]、[ɛ]、[æ]进行研究，认为人们对元音是连续感知。

Cheung Yuk-Man（2003）对汉语普通话舌尖元音[ɿ]、[ʅ]进行实验研究，认为舌尖元音是独立于“范畴感知”和“连续感知”之外的第三种感知类型。

本实验采用Liberman开创的语音感知经典范式对汉语普通话基础元音[i][y]进行实验研究，不过我们不探讨元音感知类型，我们旨在找出元音[i][y]的边界位置，并讨论影响因素，探讨听感边界的状态，并通过归一化的方式得出元音[i][y]的听感格局图，从而为探讨元音[i][y]的声学和听觉之间的关系提供参考。

二实验方法
2.1 语料选取
按声调①进行分类，本实验的语料均为使用频率高、较易辨识的二字组，分别为：阳平组“移民-渔民、小姨-小鱼”，上声组“以后-雨后、无以-无语”，去声组“意见-遇见、美意-美玉”。

我们将“移民-渔民”、“以后-雨后”、“意见-遇见”定义为前字组，“小姨-小鱼”、“无以-无语”、“美意-美玉”定义为后字组。

2.2 实验录音
发音人为一位老北京人②，录音设备为装有Cool Edit 2.0的笔记本电脑，采样率为11025Hz、 16位、单声道。

在安静的环境下，请发音人以自然语速朗读实验语料。

2.3 刺激音合成
元音的前三条共振峰是元音听辨的重要线索(Ladefoged & Broadbent,1957;Liberman,1967)。

Jachson（2012）表示[i][y]的不同主要在F2、F3上。

故本次实验利用Praat软件改变元音的F2、F3来合成刺激音，从[i]合成到[y]，每个调类有11个刺激音。

其刺激音连续统具体制作方法为：阳平组，F2从2278Hz合成到1967Hz，步长为31；F3从3113Hz合成到2165Hz，步长为95。

上声组，F2从2292Hz合成到1745Hz，步长为55；F3从2960Hz合成到2237Hz，步长为72。

去声组，F2从2302合成到2046Hz，步长为26；F3从3162Hz合成到2271Hz，步长为89。

2.4 E-Prime脚本制作
辨认实验采取二选一迫选的方式，即播放一个刺激音，要求被试选择听到的是[i]还是
①由于阴平组没有常用语料，故本次实验只包含阳平组、上声组和去声组。

②参照胡明扬先生的意见，看发音人的父母是否为北京人。

老北京人就是父母双方为老北京人，本人在北京长大。

（胡明扬 1981：北京话社会调查商务印书馆）
[y]，双字组共3*11=33个刺激音。

区分实验采取间隔一个刺激音对比的方法，如刺激音1-3、3-1、2-4、4-2等刺激对儿的形式，再加上相同刺激组组成的刺激对儿，如刺激音1-1、2-2等，播放AX式刺激音，要求被试选择听到的两个刺激音是相同还是不同，双字组共3*（9*2+11）=87个刺激音。

根据测试界面的不同，我们又将辨认和区分实验各分正反序两个脚本：辨认实验测试界面默认[i]在前为正序，[y]在前为反序③。

区分实验测试界面默认相同不同为正序，不同相同为反序。

实验共8个脚本，8个脚本中均有练习和正式实验两部分。

2.5 实验被试
实验被试共28人，17男11女，均为在北京出生丙长大的老北京人，年龄在18到25 岁之间，都是京津两地的在校大学生。

实验被试无视听障碍，右利手，均为自愿参加实验，实验在安静的语音实验室进行。

2.6 实验过程
辨认实验和区分实验的过程均为：画面出现注视点“+”✂播放刺激音，被试进行选择✂出现空白页面✂画面出现注视点“+”……以此类推。

2.7 数据计算
本实验最终选取了24个有效数据进行分析，男女各半。

数据分析主要依靠Excel进行。

2.7.1 辨认数据
边界位置：指两条辨认曲线交点处F2、F3的赫兹值。

边界宽度：辨认曲线上，从辨认率25%处的F2、F3的赫兹值到辨认率为75%处的F2、F3的赫兹值之间的差值。

最大辨认率：主要探讨被试对元音的[i][y]的最大辨认率及其位置。

感知范围：每个目标字的F2、F3的数值范围占[i][y]整体区间范围的百分比。

辨认反应时：被试听到刺激音到完成判断所需要的时间，单位为毫秒（ms）。

2.7.2 区分数据
区分峰值：区分曲线上的显著峰值，即区分正确率的最大百分比的值。

峰值位置：区分峰值所对应的的刺激音对儿。

峰界对应：辨认实验的边界位置同区分实验的区分峰值的对应情况。

区分反应时：被试听到刺激音对儿到完成判断所需要的时间，单位为毫秒（ms）。

三实验结果分析
3.1 调类对[i][y]听感分界的影响
三个调类中[i][y]的两条辨认曲线均有一个交点。

阳平前字组、上声前字组、去声前后字组的边界位置均在刺激4到刺激5之间；阳平后字组在刺激5到刺激6之间；上声后字组在刺激4处。

界前界后分离度均达到了100%。

[i][y]的辨认曲线在边界位置处都呈现出陡升陡降的走势。

总体来说，三个调类都有一个明显的区分峰值，且三个调类的区分率都比较接近，都在64.22%到77.59%之间。

[i]的感知范围为30%到47%，[y]的感知范围为53%到70%，[i]的感知范围比[y]的感知范围小，以[i]的感知范围为例，阳平(35%、47%④)>去声（34%、39%）>上声（34%、30%）。

在听感边界上，F2为2106Hz到2214Hz，F3为2670Hz到2862Hz。

在边界宽度上，F2为31Hz
③“移民-渔民”为正序，“渔民-移民”为反序，剩下的以此类推。

④第一个百分比为前字组的感知范围，第二个百分比为后字组的感知范围。

后文同理。

到101Hz；F3为95Hz到210Hz。

在区分峰值上，三声区分峰值位置与边界位置基本对应，区分峰值是：阳平（77.59%、74.74%）>上声（76.03%、66.47%）>去声（64.22%、66.47%）。

3.2 测试界面对[i][y]听感分界的影响
测试界面正反序的三个调类的[i][y]的辨认曲线都有一个交点，阳平前字组正序的边界位置在刺激4处；阳平前字组反序、上声前字组正反序、上声后字组反序、去声前字组正反序、去声后字组正序在刺激4到刺激5之间；阳平后字组正反序在刺激5到刺激6之间；上声后字组正序在刺激3处；去声后字组反序在刺激5和刺激6处。

界前界后分离度都达到了100%，边界位置处的辨认曲线均有陡升陡降的走势，区分峰值均比较明显。

在感知范围方面，[i]的感知范围正序比反序小，在阳平前字组中，正序的感知范围为30%，反序为36%；在阳平后字组中，正序为46%，反序为47%；在上声前字组中，正序为32%，反序为37%；在上声后字组中，正序为20%，反序为33%；在去声前字组中，正序为33%，反序为36%；在去声后字组中，正序为36%，反序为41%。

在边界位置方面，无论正反序，F2最小在上声前字组，正序为2116Hz，反序为2090Hz；最大在去声前字组，正序为2218Hz，反序为2211Hz；F3最小在阳声后字组，正序为2676Hz，反序为2662Hz；最大在去声前字组，正序为2873Hz，反序为2851Hz。

在区分峰值位置方面，正序比反序偏后（上声后字组和去声前字组除外），在阳平前字组中，正序的区分峰值在刺激4到刺激6之间，反序在刺激3到刺激5之间；在阳平后字组中，正序在刺激6到刺激8之间，反序在刺激5到刺激7之间；在上声前字组中，正序在刺激5到刺激7之间，反序在刺激4到刺激6之间；在上声后字组中，正序在刺激4到刺激6之间，反序在刺激5到刺激7之间；在去声前字组中，正序在刺激2到刺激4之间，反序在刺激5到刺激7之间；在去声后字组中，正序在刺激6到刺激8之间，反序在刺激3到刺激5之间。

在区分峰值方面，三个声调中,前后字组的正序均大于反序，在阳平前字组中，正序的区分峰值为79%，反序为76.44%；在阳平后字组中，正序在80.25%，反序为77.2%；在上声前字组中，正序为81.35%，反序为71.65%；在上声后字组中，正序为72.88%，反序为62.07%；在去声前字组中，正序为67.24%，反序为61.3%；在去声后字组中，正序为70.06%，反序为64.75%。

可见[i][y]的顺序有利于被试对于刺激音的听辨。

3.3 性别对[i][y]听感分界的影响
男女三个调类的[i][y]的辨认曲线都有一个交点。

在阳平前字组中，男女的边界位置均在刺激4到刺激5之间；在阳平后字组中，男女均在刺激5到刺激6之间；在上声前字组中，男性在刺激4到刺激5之间，女性在刺激5到刺激6之间；在上声后字组中，男性在刺激4到刺激5之间，女性在刺激3到刺激4之间；在去声前字组中，男女均在刺激4到刺激5之间；在去声后字组中，男性在刺激5到刺激6之间，女性在刺激4到刺激5之间。

界前界后分离度都达到了100%。

边界位置处的辨认曲线都有陡升陡降的走势，区分曲线的峰值都比较明显。

在感知范围方面，阳平前后字组、上声后字组和去声后字组，均为男性感知范围大于女性；上声前字组和去声前字组，均为男性感知范围小于女性。

以[i]的感知范围为例，在阳平前字组中，男性的感知范围为36%，女性为32%；在阳平后字组中，男性为47%，女性为45%；在上声前字组中，男性为35%，女性为45%；在上声后字组中，男性为31%，女性为25%；在去声前字组中，男性为34%，女性为36%；在去声后字组中，男性为46%，女性为36%。

在边界位置方面，无论男女，F2 最小在上声前字组，男性为2100Hz，女性为2045Hz；F2最大在去声前字组，男性为2215Hz，女性为2211Hz；F3最大在去声前字组，男性为2863Hz，女性为2851Hz。

在边界宽度方面，阳平前后字组、上声前字组和去声后字组均为男性大于女性；上声后字组和去声前字组均为女性大于男性。

在区分峰值位置方面，阳平前后字组、上声前后字组和去声前字组，均为男性的峰值位置不比女性靠前，去声后字组，男性的区分峰值位置较女性靠前。

在阳平前字组中，男性的区分峰值位置在刺激4到刺激6之间，女性在刺激3到刺激5之间；在阳平后字组中，男性在刺激6到刺激8之间，女性在刺激4到刺激6之间；在上声前字组中，男女均在刺激4到刺激6之间；在上声后字组中，男性在刺激4到刺激6之间和刺激5到刺激7之间；女性在刺激4到刺激6之间；在去声前字组中，男性在刺激5到刺激7之间，女性在刺激2到刺激4之间；在去声后字组中，男性在刺激3到刺激5之间，女性在刺激6到刺激8之间。

在区分峰值方面，三个声调的前后字组均为男性小于女性。

在阳平前字组中，男性的区分峰值为77.59%，女性为83.79%；在阳平后字组中，男性为75.17%，女性为83.79%；在上声前字组中，男性为75.52%，女性为77.59%；在上声后字组中，男性为65.63%，女性为68.97%；在去声前字组中，男性为70.57%，女性为71.38%；在去声后字组中，男性为65.63%，女性为77.59%。

3.4 刺激音高低对[i][y]区分率的影响
刺激音的高低并未对区分率产生明显的影响，四个声调的低-高刺激和高-低刺激的区分率折线图的走势基本一致。

区分峰值出现的位置，无论是低-高刺激还是高-低刺激，大致是对应的。

在阳平前字组中，低-高刺激区分峰值在刺激4到刺激6之间，为70%；高-低刺激区分峰值在刺激5到刺激3之间，为75%。

在阳平后字组中，低-高刺激区分峰值在刺激5到刺激7之间，为75%；高-低刺激区分峰值在刺激6到刺激4之间，为70%。

在上声前字组中，低-高刺激区分峰值在刺激4-刺激6之间，为65%；高-低刺激区分峰值在刺激6到刺激4之间，为70%。

在上声后字组中，低-高刺激区分峰值在刺激4到刺激6之间，为40%；高-低刺激区分峰值在刺激7到刺激5之间，为60%。

在去声前字组中，低-高刺激区分峰值在刺激5到刺激7之间，为55%；高-低刺激区分峰值在刺激6到刺激4之间，为60%。

在去声后字组中，低-高刺激区分峰值在刺激6到刺激8之间，为55%；高-低刺激区分峰值在刺激5到刺激3之间，为60%。

3.6 小结
汉语普通话基础元音 [i][y]三个调类的听感边界是：F2为2106Hz到2214Hz，F3为2670Hz到2862Hz，并不是一个固定的值，而是一个动态的边界。

为了直观展现三个声调中，[i][y]的听感空间，我们以F2为横坐标，以F3为纵坐标，做出了[i][y]的具体听感空间图以及归一化的听感空间图，如下：
图1 [i][y]三个声调的听感空间及归一化后的听感空间汉语普通话基础元音[i]的感知范围为30%到47%，[y]的感知范围为53%到70%，[i]的感知范围比[y]的感知范围小，这一点在无论是测试界面还是性别，都有一定的体现。

在三个声调中，[i]的感知范围是：阳平>去声>上声，这在测试界面和性别中，基本满足。

如下图：
图2 [i][y]三个声调的感知范围
3. 汉语普通话基础元音[i][y]三个调类的区分峰值是：阳平>上声>去声，在测试界面和性别中，仍然满足。

4. 同一声调中，正序[i]的感知范围小于反序[i]的感知范围。

即，播放相同的刺激音时，由于正序[i][y]和反序[y][i]的不同，对被试听辨[i][y]会产生一定的影响。

另外，正序的区分峰值大于反序的区分峰值（去声相反），说明“相同---不同”更容易让被试做出正确选择。

5. 同一声调中，男女的[i][y]感知范围相差不大，说明性别对[i][y]的感知无明显影响，阳平前后字组、上声后字组和去声后字组，均为男性感知范围大于女性；上声前字组和去声前字组，均为男性感知范围小于女性。

在边界宽度方面，阳平前后字组、上声前字组和去声后字组均为男性大于女性；上声后字组和去声前字组均为女性大于男性。

在区分峰值位
置方面，阳平前后字组、上声前后字组和去声前字组，均为男性的峰值位置不比女性靠前，去声后字组，男性的区分峰值位置较女性靠前。

在区分峰值方面，三个声调的前后字组均为男性小于女性。

6. 四个声调的低-高刺激和高-低刺激的区分率折线图的走势基本一致。

区分峰值出现的位置，无论是低-高刺激还是高-低刺激，大致是对应的。

四结语
在汉语普通话的听感研究中，实验字组的设计分为单字组和双字组。

单字组实验是孤立感知，双字组实验是连续感知。

孤立感知是连续感知的基础，连续感知是听感研究的目标。

（石锋，2015年11月南开大学实验语言学沙龙讲话）
下面分别是单双字各调类辨认曲线和区分曲线对比图：
图3 单、双字各调类辨认、区分曲线
从图中我们可以看到：单双字的辨认曲线的走向大体一致，边界位置比较集中；单双字的区分曲线的走向大体一致，区分峰值也比较集中。

下面是单双字听感边界、感知范围、边界宽度、区分峰值及位置的具体情况：
表1单、双字各调类辨认、区分数据
从上述表格，我们可以看到：
1.听感边界与区分峰值基本对应，说明被试在听感边界需要花费较多的时间来进行判断。

单双字实验中，[i]的感知范围不大于[y]的感知范围。

其中，单字实验中，[i]的感知范围为31%-50%；双字实验中，单字组[i]的感知范围为34%-35%，后字组[i]的感知范围为30%-47%，说明了语音环境对[i][y]的感知范围有一定的影响。

为了更清楚地说明这个问题，我们以F2为横坐标，以F3为纵坐标，将单字组和双字组的实验结果进行归一化处理，得到下图：
图4 [i][y]总归一化后的听感空间
2.单字组边界宽度变动幅度大于双字组边界宽度变动幅度，说明双字的听感边界较单字组稳定。

语境的存在，有利于被试对刺激音的听辨。

单字组的曲分峰值的变动幅度大于双字组的区分峰值的变动幅度，与听感边界的变化幅度保持一致的趋势。

参考文献：
黄荣佼汉语普通话元音[i]和[y]听感实验南开大学2013年硕士学位论文
丁云黄荣佼普通话一级元音[i][y]单字听感边界初探及单双字对比研究实验语言学 2014年第3卷第1号
丁云方言母语者对普通话元音[i][y]听辨的分析实验语言学 2014年第3卷第2号
丁云普通话一级元音[i][y]双字听感研究及单双字对比分析实验语言学 2015年第4卷第1号。