数字语音处理章.ppt

*p19图2-16*p19图2-16*噪声(人感到厌烦的)声强，触觉声强2.5.人类的听觉功能用语言作沟通，就是说话的人能让对方听懂他在说些什么，双方用说与听来达成信息交换与感情交流。而语言的学习过程，更是不断地听，然后学习会说，所以语言与听觉有密切的关联性。本节将说明人类听觉器官的构造，以及如何听声音。并且对于人耳在听觉上的一个重要特性，听觉掩蔽效应做了简要叙述，这是语音处理中常常会用到的听觉特性。第69页,共77页，星期六，2024年，5月2.5.人类的听觉功能图5-1听觉器官简图第70页,共77页，星期六，2024年，5月2.5.人类的听觉功能图5-2听觉过程第71页,共77页，星期六，2024年，5月2.5.人类的听觉功能外耳从耳翼(pinnas)到鼓膜(eardrum)这一段叫做外耳。耳翼的功能在帮助判断声音的来源方向，它对于听者前方来的声音比较敏感。耳翼到鼓膜之间的通道叫做耳道（meatus)，这是一个长约2.7公分直径约0.7公分的通道。对于声波的传播而言，这条通道等于是一个四分之一波长的共振腔，它的第一个共振频率大约是3kHz，这个共振作用将3～5kHz的声波放大15dB左右，因此使得我们的听觉对于3～5kHz的频率范围比较敏感。第72页,共77页，星期六，2024年，5月2.5.人类的听觉功能中耳在鼓膜与耳蜗之间有一个大约6立方公分的小空间，称之为中耳。在这个小空间内，有三块小骨头，分别是槌骨(hammer，或称为malleus)，砧骨(anvil或称为incus)与镫骨(stapes，或称为stirrup)。槌骨黏接在鼓膜上，声波造成的空气振动会使鼓膜振动，进而推动槌骨的振动，镫骨贴在耳蜗的椭圆形窗(ovalwindow)上，槌骨的振动经过砧骨与镫骨的传递，将振动信号传到耳蜗内的淋巴液，所以中耳可以看成是声波到淋巴液的信号转换，在此转换过程中，对于1kHz以上的信号做了-15dB/10倍频程的衰减，可以看成是一个低通滤波器(lowpassfilter)。第73页,共77页，星期六，2024年，5月2.5.人类的听觉功能人类在分辨声音时，是取决于频域上的分辨率，听觉器官等于是将时域的声音波形转换成在频域的频谱，能否听到声音或分辨声音，是取决于音强(intensity)与频谱(spectrum)。一般人的听觉器官可以感知频率范围16Hz到18kHz的声音，动态范围约1000倍。超出人类听觉感知范围，如20kHz以上的声波，我们称之为超音波(ultrasonic)。人耳对于1kHz到5kHz的声音最为敏感，但是对于1kHz以下与5kHz以上的声音，就要较大的音强才听得到。第74页,共77页，星期六，2024年，5月2.5.人类的听觉功能人类听觉的范围第75页,共77页，星期六，2024年，5月2.5.人类的听觉功能掩蔽效应(maskingeffect)当一个声音存在时，它会将另一个声音的感知临界值提高，也就是说当某一频率的声音，有一特定音强存在时，另一个不同频率的声音要将音强提高才会被听到，这就是听觉掩蔽效应。同时存在的声音，常常是低频的声音倾向于掩蔽掉高频的声音，这是一种频率掩蔽(frequencymasking)的现象。某一段时间存在一个声音，在此声音刚结束的一小段时间内，其它的声音会听不见这种掩蔽现象叫做时间掩蔽(temporalmasking)。这个现象也会发生在此存在声音之前，这是由于声音在听觉器官中传递时延迟所造成的。第76页,共77页，星期六，2024年，5月2.5.人类的听觉功能频率掩蔽的情形第77页,共77页，星期六，2024年，5月*如果不使用语言，而是单单使用某种信号来进行信息传递，要表示一个新的想法或是将某个事件进行组合并表示出来都是不可能的。姿态是最不发达的传递信息的方法。用姿态可以表示“走”这一状态。可是要表示“今天将家里的狗赶走了”，“我打算明天走”，“想像走时候的情景”等使用“走”这个词的地方很多，但是这些信息如果不用语言都无法表达。即使对“中午我吃的是羊肉串”这种简单的事件，如果不用语言也是无法表达的。此外，如“没发生什么事情”，“没有起床”这种具有否定含义的信息不用语言更加无法表达的。*语音信号属于模拟信号，为了更方便地处理语音信号，选择模拟处理还是数字处理，语音信号的表示方法的选择相当重要。*某个系统模型在一定激励作用下产生的输出。*语音信号处理的方法与一般数字信号处理的方法很相似，其方法可以是时域的，也可以是频域的，但都应考虑到语音