语音信号处理第2章

zL ()

jLr Rr Rr jLr
式中，
Rr

128
9 2
,
L，r 这38a里c ，
是口唇a张开时的开口半径，
是声波c传播速度。
图2-23 显示了辐射阻抗的实部和虚部的频率响应曲线。
❖ 由辐射引起的能量损耗正比于辐射阻抗的实部，所以辐射模型是一阶类
高通滤波器。
语音信号的数学模型
❖ 一是把声道视为由多个等长的不同截面积的管子串联而成的 系统。按此观点推导出的叫“声管模型”。
❖ 另一个是把声道视为一个谐振腔，按此推导出的叫“共振峰 模型”。
❖ 共振峰模型，把声道视为一个谐振腔。基于物理声学的共振 峰理论，可以建立起三种实用的共振峰模型：级联型、并联 型和混合型。
声道模型 级联型
Leabharlann Baidu
❖ 辅音：呼出的声流，由于通路的某一部分封闭起来或受到阻 碍，气流被阻不能畅通，而克服发音器官的这种阻碍而产生 的音素称为辅音。
❖ 发辅音时由声带是否振动引起浊音和清音的区别，声带振动 的是浊音，声带不振动的是清音。
2.2 语音和语言
❖ 决定元音音色的主要因素是舌头的形状及其在口腔中的位置 (简称舌位)、嘴唇的形状(简称口形)等。元音的另一个重要 声学特性是共振峰（Formant）。共振峰参数是区别不同元 音的重要参数，它一般包括共振峰频率（Formant Frequency）的位置和频带宽度（Formant Bandwidth）。
❖ 喉的部分称为声门。 ❖ 从声门到嘴唇的呼气通道叫做声道（Vocal Tract）。 ❖ 声道的形状主要由嘴唇、颚和舌头的位置来决定。由声道形
状的不断改变，而发出不同的语音。
语音听觉系统
❖ 人耳由内耳、中耳和外耳三部分组成。
语音听觉系统
❖ 人的听觉系统有两个重要特性，一个是耳蜗对于声信号的时 频分析特性；另一个是人耳听觉掩蔽效应。
2.6 语音信号的特性分析
语音信号的时域波形和频谱特性
❖ 在时间域里，语音信号可以直接用它的时间波形表示出来，通过观察时间波形可 以看出语音信号的一些重要特性。下图是汉语拼音“sou ke”的时间波形。表示 这段语音波形采用的采样频率是8kHz，量化精度是16bit。
语音信号的时域波形和频谱特性
❖ 这时认为声道是一组串联的二阶谐振器。从共振峰理论来看， 整个声道具有多个谐振频率和多个反谐振频率，所以它可被 模拟为一个零极点的数学模型；但对于一般元音，则用全极 点模型就可以了。它的传输函数可分解表示为多个二阶极点
的网络的串联：
V (z)
M 1 2eBkT cos(2 FkT ) e2BkT k1 1 2eBkT cos(2 FkT )z1 e2BkT z2
声道模型 级联型
G
语音
激励模型 V1 V2 V3 V4 V5 辐射模型
声道模型 并联型
❖ 对于非一般元音以及大部分辅音，必须考虑采用零极点模型。
此时，模型的传输函数如下：
R
br z r
V (z) r0 N 1 ak z k k 1
❖ 通常，N>R，且设分子与分母无公因子及分母无重根，则 上式可分解为如下部分分式之和的形式：
独分析的方法均有局限性。因此，人们致力于研究语音的时频分析特性， 把和时序相关的傅立叶分析的显示图形称为语谱图（Sonogram，或者 Spectrogram）。
语音信号的统计特性
❖ 语音信号的统计特性可以用它的波形振幅概率密度 函数和一些统计量如均值和自相关函数来描述。表 示语音信号的统计特性的概率密度的估算方法是根 据长时间范围内一段语音信号的大量取样数据的幅 度绝对值计算出其幅度直方图，然后，根据统计的 振幅直方图，寻找近似的概率密度表达式。
2.5 语音信号生成的数学模型
❖ 建立了语音信号的数学模型，才能够用计算机来定量地对语 音信号进行模拟和处理。
❖ 理想的模型是线性的和时不变的。语音信号是非平稳随机过 程，其特性是随着时间变化的，所以模型中的参数应该是随 时间而变化的。但语音信号特性随着时间变化是很缓慢的。 所以可以作出一些合理的假设，将语音信号分为一些相继的 短段进行处理，在这些短段中可以认为语音信号特性是不随 着时间变化的平稳随机过程。这样在这些短段时间内表示语 音信号时，可以采用线性时不变模型。
0 n N1 N1 n N1 N2 其他
式中，N1为斜三角波上升部分的时间，N2为其下降部分的时 间。单个斜三角波波形的频谱的图形如图2-18所示。由图可 见，它是一个低通滤波器。
激励模型
❖ 上式表示斜三角波形可描述为一个二极点的模型。因此，斜
三角波形串可视为加权了单位脉冲串激励上述单个斜三角波
❖ 语音学(Phonetics)是研究言语过程的一门科学。 它考虑的是语音产生、语音感知等的过程以及语音 中各个音的特征和分类等问题。现代语音学发展成 为三个主要分支：发音语音学、声学语音学、听觉 语音学。
2.2 语音和语言
❖ 语音是人的发声器官发出的一种声波，它具有一定的音色， 音调，音强和音长。其中，音色也叫音质，是一种声音区别 于另一种声音的基本特征。音调是指声音的高低，它取决于 声波的频率。声音的强弱叫音强，它由声波的振动幅度决定。 声音的长短叫音长，它取决于发音时间的长短。
激励模型
❖ 激励模型一般分成浊音激励和清音激励来讨论。发浊音时， 由于声带不断张开和关闭，将产生间歇的脉冲波。这个脉冲 波的波形类似于斜三角形的脉冲，它的数学表达式如下：
(1/ 2)[1 cos(n / N1)], g(n) cos[ (n N1 ) / 2N2 ],
0,
❖ 人的说话过程可以分为五个阶段： ❖ （1）想说阶段 ❖ （2）说出阶段 ❖ （3）传送阶段 ❖ （4）理解阶段 ❖ （5）接收阶段
2.2 语音和语言
❖ 人的说话的过程：
2.2 语音和语言
❖ 语言是从人们的话语中概括总结出来的规律性的符 号系统。包括构成语言的语素、词、短语和句子等 的不同层次的单位，以及词法、句法、文脉等语法 和语义内容等。语言学是语音信号处理的基础。
❖ 二、通过处理的某种运算以达到某种用途的要求，例如人工 合成出语音、辨识出讲话者、识别出讲话的内容等等。
2.2 语音和语言
❖ 人们讲话时发出的话语叫语音，它是一种声音，具有称为声 学特征的物理特性。语音（Speech）是声音（Acoustic） 和语言（Language）的组合体。可以这样定义语音：语音 是由一连串的音组成语言的声音。
V (z)

M
Ai
i1 1 Bi z 1 Ci z 2
声道模型 并联型
声道模型 混合型共振峰模型
辐射模型
❖ 从声道模型输出的是速度波uL (n，) 而语音信号是声压波 ，pL二(n)者之倒比称 为辐射阻抗 。它Z表L 征口唇的辐射效应，也包括圆形的头部的绕射效应 等。当然，从理论上推导这个阻抗是有困难的。但是如果认为口唇张开 的面积远小于头部的表面积，则可近似地看成平板开槽辐射的情况。此 时，可推导出辐射阻抗的公式如下：
❖ 语音信号属于短时平稳信号，一般认为在10～30ms内语音 信号特性基本上是不变的，或者变化很缓慢。于是，可以从 中截取一小段进行频谱分析。下图给出“sou”中音素“ou” 的傅里叶变换 ：
30
20
幅 度 10 /dB
0
-10
-20
-30
-40
-500
1
2
3
4
频率/kHz
语音信号的语谱图
❖ 语音的时域分析和频域分析是语音分析的两种重要方法。显然这两种单
❖ 综上所述，完整的语音信号的数学模型可以用三个子模型： 激励模型、声道模型和辐射模型的串联来表示。如图所示：
基音频率 F0
Av 声道参数
周期脉冲 发生器
声门脉冲 模型G(z)
随机噪声 发生器
声道模型 v(z)
浊音/清音开关
辐射模型 R(z)
输出语音
激励源
声道模型
辐射模型
Au
它的传输函数可以表示为： H(z) A U(z)V (z)R(z)
语音信号的统计特性
❖ 通过对语音信号的统计特性的研究表明，语音信号振幅分布 的概率密度有两种逼近方法，一种是修正伽玛（Gamma） 分布概率密度函数
k ek x
pG (x) 2 x
❖ 另一种是拉普拉斯（Laplace）分布概率密度函数
pL 0.5e x
语音信号处理基础知识
1.什么叫语音？什么叫语言？人们说话的过程可分为哪五个阶段？每 个阶段的主要内容是什么？ 2.人类的发音器官包括哪些部分？在发音时各部分都起什么作用？音 调频率有什么因素决定？发声时声道是如何活动的？ 3.人类的听觉器官包括哪些部分？在听音时他们是如何起作用的？基 底膜是如何起关键作用的？ 4.人耳听觉的掩蔽效应分为哪几种？掩蔽效应的存在对我们研究语音 信号处理系统有什么启示？ 5语音信号的数学模型包括哪些子模型？激励模型是怎样推导出来的 ？辐射模型又是怎样推导出来的？它们各属于什么性质的滤波器？
❖ 一般地说，就语音的基音频率而言是女声和童声高于男声， 但是实验表明：区分语音是男声还是女声、是成人声音还是 儿童声音，更重要的因素是共振峰频率的高低。
2.3 汉语语音学
汉语语音的特点：
❖ 音系简单。这是指音素少、音节少。音节的结构也比较简单。 ❖ 由于清辅音多，而且多是弱清音，而且开口呼的音节占全部
音节的一半以上，所以汉语语音听感上有清亮、高扬和舒服、 柔和的感觉。 ❖ 有鲜明的轻重音和儿化韵，所以字词分隔清楚，语言表达准 确而丰富。
汉语的拼音方法
❖ 汉语由音素构成声母或韵母。有时，将含有声调 （汉语通常认为有五个声调）的韵母称为调母。由 单个调母或由声母与调母拼音成为音节。汉语的一 个音节就是汉语一个字的音，即音节字。由音节字 构成词（其中主要是两音节字构成的两字词，约占 74%），最后再由词构成句子。国际上，都是用音 标来描述拼音过程的。汉语也不例外。汉语拼音的 音标包括：声母表、韵母表和声调符号等。
模型的结果。而该单位脉冲串及幅值因子则可表示成下面的
z变换形式：
E(z)

1
Av z
1
所以，整个浊音激励模型可表示为：
U (z)

G(z)E(z)

Av 1 z 1
•
(1
1 e cT
z 1 ) 2
也就是说浊音激励波是一个以基音周期为周期的斜三角脉冲 串。
声道模型
❖ 关于声道部分的数学模型，有多种观点，目前最常用的有两 种建模方法。
❖ 如果信号是一个多频率信号，则产生的行波将沿着基底膜在 不同的位置产生最大幅度。从这个意义上讲，耳蜗就象一个 频谱分析仪，将复杂的信号分解成各种频率分量。
❖ 并非所有的声音都能被人耳听到，这取决于声音的强度和其 频率范围。心理声学中的听觉掩蔽效应是指，在一个强信号 附近，弱信号将变得不可闻，被掩蔽掉了。
❖ 说话时一次发出的，具有一个响亮的中心，并被明显感觉到 的语音片段叫音节（Syllable）。一个音节可以由一个音素 （Phoneme）构成，也可以由几个音素构成。音素是语音 发音的最小单位。
2.2 语音和语言
❖ 任何语言都有语音的元音（Vowel）和辅音（Consonant） 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，这种音称 为元音。
2.1概述 2.2语音和语言 2.3汉语语音学 2.4语音生成系统和语音感知系统 2.5语音信号生成的数学模型 2.6语音信号的特性分析
2.1 概述
❖ 语音信号处理 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:
❖ 一、通过处理得到一些反映语音信号重要特征的语音参数以 便高效的传输或储存语音信号信息；
汉语音节的一般结构
汉语的声调
❖ 汉语是一种声调语言，相同声母和韵母构成的音节随声调的 不同而具有完全不同的意义，对应着不同的汉字。汉语普通 话的声调只有阴平、阳平、上声、去声以及“轻声”等五种 声调。
2.4 语音生成系统和语音感知系统
语音发音系统
❖ 人的发音器官包括：肺、气管、喉（包括声带）、咽、鼻和 口。这些器官共同形成一条形状复杂的管道。