数字声音xx教材.ppt

模拟音频信号的物理特征 与声音有关的几个术语 所谓听觉，就是接收声音并转换成神经脉冲的过程。所谓感知是指将听到的声音经过大脑的处理后转换成给定的含义。 音高是人对声波频率的主观属性，它首先与声波的频率有关。声波的振动频率高，我们听到的声音就高，反之亦然，但它们之间并非线性关系。 音色是声波波形的主观属性。不同的发音体所发出的音波都有自己的特异性。声波的类型是多种多样的，一般可分为纯音和复合音两大类。 语音是特殊的复合音。语音由元音和辅音所构成。元音是一种能连续发出的音乐，辅音主要是不能连续发出的短促的噪音，元音与辅音合成汉语音节。 响度是声波振幅的主观属性，它是由声波的振幅引起的。振幅越大则响度越大，但它们之间也不是线性关系。 七、语音识别 １．目标：实现人与机器进行自然语言通信 ２．文本——语音转换器TTS 　TTS：Text-to-Speech 类型：综合的－计算机模拟，能读出任何单词 　　　　明显机器味道 　　　　连贯的—预先录好的单词和词组库，可能读不 　　　　出，更自然 　自然度是重要指标 　 TTS组成：文本分析，韵律分析，语音生成 　应用领域 ３．语音识别器 　　指标：连续性与不连续性 　　　　　单词量 　　　　　口音识别 　　　　　规则句式与自由句式 　　　　　识别速度与准确率 ４．语音识别基本原理及过程 　　语音识别过程－训练与识别 　　前端处理：语音分析，提出语音参量 　　模型训练：动态规划，隐马尔可夫，神经网络 　　模型分类：计算语音特征量与词库中每个模型的逻 　　　　　　　辑距离 　　判决逻辑：最终结果，上下文关联与语法判决 ５．中文语音识别软件 　　中文语音的特殊：字与词界限不分明，同音字多， 　　　　　　　　　　　有声调与口音 　　　汉语识别只能采用连续语音识别 　　　ViaVoice中文语音识别系统 * * 声音信号的形式 在自然界，声波与水波一样都是一种振动波 第二章 数字声音及MIDI简介 一、声音与听觉器官 1. 声音 声音是携带信息的极其重要的媒体，它是通过空气传播的一种连续的波，叫声波。 声音强弱：体现声波压力的大小。 音调高低：体现声音的频率。 用电表示，声音信号在时间、幅度上都是连续的模拟信号。 声波特性：（与普通波同）反射、折射、衍射 声音信号组成：许多频率不同的信号（复合信号：单一频率信号 分量信号） 用声音录制软件记录的英文单词”Hello”语音的实际波形 声波的频率、周期与振幅 重要参数：带宽（组成复合信号频率范围） 高保真声音频率范围：10Hz~20000Hz，带宽约为20KHz， （对比：视频信号6MHz） 基本参数：频率和幅度 (亚)次音信号 音频信号 超音频信号 （有很强方向性，可以形成波束） 20Hz 20Hz~20kHz 20kHz 感知幅度 0~120db 发声器官：80~3400Hz 话音信号：300~3000Hz 多媒体技术，处理主要是音频信号（音乐，话音，风声，雨声，鸟叫，虫鸣，机器等）。 2. 声音信号数字化 1）从模拟信号过渡到数字信号 a. 数字量运算容易实现（非物理实现） b.数字信号精确，不受环境和时间影响 c.可编程 2) 模拟信号与数字信号 时间和幅值都用连续的数字表示的信号叫模拟信号。 时间和幅值都用离散的数字表示的信号叫数字信号。 3）声音信号数字化 声音 ? 计算机 （采样和量化 ） 连续时间离散化? 采样（每隔一小段时间采样一次，间隔均匀，为均匀采样。） 连续幅度离散化? 量化（信号强度分成一小段一小段，间隔相等，为线性量化，否则为非线性量化。） 幅值量化：0.0v,0.1v,0.2v…0.7v 采样 问题：a. 采样频率（fs）（每秒采集多少声音样本） b. 量化精度（每个声音样本的位数bit per sample, bps） 4）采样频率 奈奎斯特理论：采样频率≥2 * 信号最高频率 fs ≥ 2f 或 Ts ≤ T/2 高品质声音：44.1KHz、无损数字化(所能听到最高频率22kHz) 其他标准：11.25kHz 22.5kHz 如果采样频率低，可能产生频率混叠，失真严重 。