言语处理入门.PDF

3  言语处理入门  3.1  言语信号声学参数  3.1.1  言语信号及特征  语音是语言的物质外壳。语音信号是物理声学信号。语音信号具有如下特点：语音 信号是时间依赖的连续媒体。因此处理的时序性要求很高，如果在时间上有 25 ms 的延 迟，就会感到不连续。语音是人际交互的手段，因此语音起到了表事、表义、表情的作 用。故对语音信号的处理，不仅是信号处理问题，还要抽取语义等其他信息。语音交互 涉及言语链的全过程。语音处理应包括：语音信号特征表示、言语识别与理解、言语合 成、语音编码、说话人识别等。  语音的波形展示出时域信号的形状。波形的变化会反映在时域特征、频域特征和感 知的差异上。实验表明，人类对语音的感知与语音信号的频谱特性关系密切。人类的听 觉对语音的频谱特性更为敏感，如共振峰频率和带宽等。  波形图是语音幅度随时间变化的二维图。由于语音产生方式不同，在波形图上有不 同的形状。如图3.1 所示是汉语音节 zhi1 语音波形起始的一部分，以此图为例来说明语 音波形图中的几种主要形状。    图3.1  不同语音段的波形示意图  从波形图上的差异可以区分以下几类发音。  无音段或幅度较小的随机噪声段：特点是波形幅度明显小于发音段，波形无规则， 3.1 1   如图 中竖直线所分开的第 段。 辅音：包括塞音（爆破音）、塞擦音和擦音等，擦音的特点是波形幅度略大于无音 段，波形无规则，一般处于具有周期性波形的元音之前，如图 3.1 中竖直线所分开的第 3 段所示。爆破音：特点是时长很短，仅有一两个脉冲，幅度大于无音段，一般处于辅音 3.1 2   前端，如图 中竖直线所分开的第 段所示。 元音：特点是波形幅度明显大于无音段，波形具有周期性，如图 3.1 中竖直线所分 4   开的第 段所示。 要想根据波形分辨是什么音素或音节，是很困难的。但可以通过语音信号抽取其特 592 现代汉语音典 征以区分不同的音素或音节，如提取基频、样值幅度或能量、时长、语谱，以及这些特 4 征的变化和模式。具体算法请参见“基础与资源”第 节言语特征分析。本节将介绍相 关的概念。  3.1.2  时长  时长（duration，音长）是指音段（音素、音节等）在发音时的持续时间。通常时长 使用时间的单位来表示，如毫秒、秒等，它表示了声学单元的绝对长度。如果是数字语 音，有时也用抽样点的个数来表示。这时音长的持续时间等于抽样周期（抽样频率的倒 数）乘以抽样点的个数。涉及时长问题的研究包括语速、音段时长、韵律特征分析等。  语音音段可小可大，如音素、声母、韵母、音节、词语等。通常音段越大，时长越 长，这表示了音段的绝对长度。但音段相同，时长不一定相同。可以计算音段的平均长 度，如计算音节的平均时长，以比较说话速度的快慢。或计算相同声母的平均时长，以 分析发音方法对声母时长的影响，或区分不同的声母。  在语音分析中，应更关心在音段相同的情况下，音段的相对时长及其时长变化，如 轻声音节、普通音节、重读音节的时长差异；音段在不同韵律结构的位置，时长的变化； 语言的熟练程度导致辅音时长的差异等。  在普通话和多数汉语方言中，绝大多数情况下，时长对于区别字词的意义作用不大， 但对韵律、语气、感情的表达有影响。而英语中元音的长短有区别意义的作用，例如 ship i sheep i   （船，短）和 （羊，长）。 1．声母时长  声母的持续时间较短，而且不同声母的时长也不同。数据表明：送气音时长比不送 气音长，塞擦音比塞音长，送气的塞擦音最长，不送气的塞音最短。本书统计了所附语 料录音的声母时长，单音节中的声母时长分布如表 3.1 的第二列所示。声母在词语中的 3.1