02语言信号处理第二章基础知识.ppt

第二章 语音信号处理的基础知识;主要知识点：;2.1 概述;人类的语音是由人体发音器官在大脑控制下的生理运动产生的； 人的发音器官包括：肺、气管、喉、咽、鼻、口等。 ;人的发音器官简图 ;语音产生的机理图 ; 喉以上的部分称为声道，其形状随发出声音的不同而变化； 喉的部分称为声门。 喉部的声带是对发音影响很大的器官。声带振动产生声音。 声带开启和闭合使气流形成一系列脉冲。 每开启和闭合一次的时间即振动周期称为基音周期，其倒数为基音频率，简称基频。基频决定了声音频率的高低，频率快则音调高，频率慢则音调低。 基音的范围约为70 -- 350Hz,与说话人的性别、年龄等情况有关。; 语音由声带振动或不经声带振动来产生，其中： 由声带振动产生的音称为浊音（Voice Speech）； 不由声带振动产生的音称为清音（Unvoice Speech）;(a) 清音 （b）浊音 （c）爆破音; 声道可以等效为一个谐振腔，在发音时起共鸣作用 当元音激励进入声道时会引起共鸣，产生的一组谐振频率 这就称共振峰频率或简称共振峰。 共振峰是区别不同元音的重要参数 谐振频率由每一瞬间的声道外形来决定。 若声道截面是均匀的，则谐振频率发生在：; ;语音产生的两个重要参数;2.3 语音信号特性 ;语音的声学特性 音色：音质，区别不同声音的基本特征 音调：声音的高低； 音量：声音的幅度强弱； 音长：声音的发音时间长短。;语音学基础知识 音素是语音的基本单位。可以分为元音和辅音。 元音是指发音的过程中，对声腔气流无明显阻塞而发出的音段，如[a]、[i]等。 辅音是声腔气流明显受阻时所发出的音段，如[m][n]等。 此外还用半元音、双元音、半辅音等等。 美国英语包括42个音素，分为：元音12个；双元音6个；半元音4个；辅音20个。; 汉语普通话是以北京语音为标准音 汉语音素主要由声母和韵母组成 汉语采用声韵结构，每个字音分成两部分，前面的部分称为声母(initial)，后一部分称为韵母。 声母为辅音，但不是所有的辅音都可以做声母。声母共22个。;声母表 b p m f d t n l g k h j q x zh ch sh r z c s 韵母可以包括一个元音，也可以包括多个元音，也可以包括辅音。韵母共38个。 韵母表 I u ü A ia ua o uo e ie üe ai uai ei uei ao iao ou iou an ian uan üan en in uen ün ang iang uang eng ing ueng ong iong ;汉语音素为64个，分为辅音、单元音、复元音和复鼻尾音。 汉语的每个字就是一个音节。音节由声母和韵母拼接而成，音节中也可以不包含声母。 无调音节415个。 每个音节可以有四种声调，因此有调音节一千二百多个。 ;汉语音节的声调主要体现在信号的基音频率随时间而变的规律上。;注意：;二、语音的时间波形和频谱特性;;2. 声门激励脉冲的频域特性;3. 输出的语音频谱;4. 语音信号特性;图2-8 元音【∧】的频谱;图2-9 辅音【S】的语谱; 声门脉冲 声道 语音信号;人的听觉系统 是一个十分巧妙的音频信号处理器 听觉系统对声音信号的处理能力来自于它巧妙的生理结构;; 人的耳朵接收声音并转换成神经刺激。人耳听到声音后，还要经过大脑处理变成确定的含义，这就是对语音的感知。;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 人耳能听到的频率范围大约为16Hz~16kHz，年轻人上限频率可达20kHz,老年人则衰退为10kHz。强度大概为－5～130dB ;对于人耳的感觉，用声音三要素来描述： 响度：人耳对声音强弱程度的反映。取决于声音的幅度，并和频率有关。如：对3000~4000Hz最敏感。 音调：也叫音高。人耳对声音频率高低的感受。如：对频率高的声音感觉音调“高”，对频率低的声音感觉音调“低”。 音色：也叫音质。反映了声音属性。每个声音具有特殊的音色。 ;人听觉系统重要特性——掩蔽效应;掩蔽效应分为同时掩蔽和短时掩蔽;异时掩蔽又分为前掩蔽和后掩蔽两种 一般后掩蔽可持续100 ms，而前掩蔽仅持续20 ms。 ;各种不同的掩蔽效果 （1）纯音调信号间的掩蔽 ;（2）宽带噪声对纯音调的掩蔽 ;（3）窄带噪声对纯音调的掩蔽 ; 中心频率不同的窄带噪声产生的掩蔽阈值曲线