【文章內(nèi)容簡介】 的具體理論步驟和實際提取過程中常用的方法以及實驗數(shù)據(jù)和結(jié)果；⑤第五章：給出一個對于歌唱者歌唱水平的評分公式。將上一章中分別提取的標準模板的特征參數(shù)和提取到的歌唱者聲音信號的特征參數(shù)通過使用動態(tài)時間規(guī)整方法（DTW）進行對比，并且根據(jù)對比的結(jié)果結(jié)合評分公式得出一個具體分數(shù)。在實驗環(huán)境下進行模擬仿真，用實驗數(shù)據(jù)來驗證本文所給出的評分方法的科學(xué)性和優(yōu)越性。⑥第六章：根據(jù)上一章的實驗結(jié)果和結(jié)合生活中的實際情況進行總結(jié)和展望。 本文的主要工作通過借助于互聯(lián)網(wǎng)上所提供的相關(guān)信息，了解國內(nèi)歌唱評分現(xiàn)狀，以及找出其存在的問題及其原因；通過查閱相關(guān)資料和請教專業(yè)老師，了解有關(guān)音樂方面的專業(yè)知識以及在歌唱時需要從哪些方面來表現(xiàn)歌曲。找出最能表現(xiàn)歌唱者歌唱水平的音樂元素，并找到與之對應(yīng)的特征參數(shù)，并且掌握相應(yīng)的提取方法與步驟；掌握聲音信號在提取特征參數(shù)之前所需要做的前提工作（即預(yù)處理） ，以及接下來提取特征參數(shù)的具體方法；結(jié)合相似的一些方法和方式，給出一種歌唱評分方法；用 MATLAB 進行相應(yīng)地仿真實驗，驗證本文給出的歌唱評分方法的正確重慶大學(xué)碩士學(xué)位論文 1 緒 論4性和科學(xué)性；根據(jù)實驗數(shù)據(jù)總結(jié)出本方法的優(yōu)缺點，進一步完善本論文的相關(guān)理論和方法，為后續(xù)工作做好準備。重慶大學(xué)碩士學(xué)位論文 2 相關(guān)的理論知識和概念52 相關(guān)的理論知識和概念在明確了本文的基本思想路線和主要工作以后，首先就需要對一些聲音信號方面的基本原理、聲音信號的一些物理特性還有關(guān)于音樂和歌唱方面的基本概念以及本文的歌唱評分方法中所涉及到的一些特征參數(shù)進行了解。 什么是聲音我們常說的聲音有兩種定義。聲波是聲音在物理學(xué)上的定義，在物理學(xué)上，聲音被定義為一種具有一定能量的波，它是由振動物體所產(chǎn)生并且需要在一定的介質(zhì)中進行傳播的。在生理學(xué)上則是將聲音定義為一種主觀感覺，它是聽覺器官由于聲波的作用于而引起的一系列的主觀感覺。盡管這兩種對于聲音的定義在文字上存在有差異，但它們之間還是存在著一定的內(nèi)在關(guān)聯(lián)。在心理學(xué)上，人們聽覺上對于聲音的接收以及大腦對其的一系列響應(yīng)是屬于主觀感覺層面上的。因為人的感覺不可能像語音信號處理系統(tǒng)那樣絕對的數(shù)量化，而且人類對物理量的感應(yīng)結(jié)果通常與描述聲音信號的物理量并不會成正比甚至也不會保持一致，因為這里存在一個心理物理量的原因。這也就是為什么會出現(xiàn)如音強、音調(diào)、音色和音長等一系列人們對聲音特征的主觀描述。 聲音信號具有 3 個基本的物理特性，分別是：頻率、強度和聲譜。這 3 種特性對應(yīng)著人耳對聲音信號的音調(diào)、音強和音色這三種主觀感覺的描述。本文中研究的聲音是指由物體振動產(chǎn)生，正在發(fā)聲的物體叫聲源。聲音以聲波的形式傳播。聲音只是聲波通過固體或液體、氣體傳播形成的運動。聲波振動內(nèi)耳的聽小骨，這些振動被轉(zhuǎn)化為微小的電子腦波，它就是我們覺察到的聲音。內(nèi)耳采用的原理與麥克風捕獲聲波或揚聲器的發(fā)音一樣，它是移動的機械部分與氣壓波之間的關(guān)系。相應(yīng)地，在聲波音調(diào)低、移動緩慢并足夠大時，我們實際上可以“感覺”到氣壓波振動身體。 聲音信號產(chǎn)生的原理人類身體器官中負責發(fā)出聲音的器官主要有：口、鼻、聲帶、咽喉、氣管以及肺，這些器官相互有機地組合在一起，構(gòu)成了人類的發(fā)聲系統(tǒng)（如圖 ） 。通常把位于人們咽喉的那部分器官稱為聲門，而從聲門一直延伸到嘴唇邊緣所形成的一條用于呼氣的通道叫做聲道，聲道的形狀主要取決于嘴唇、舌頭以及頸部的位置，而正是因為聲道形狀的可以不斷地改變，所以人們才可以發(fā)出各種不同的聲音。聲音主要是由從左右兩肺所呼出的氣流并且經(jīng)過位于咽喉直至嘴唇之間的重慶大學(xué)碩士學(xué)位論文 2 相關(guān)的理論知識和概念6所有的器官各種各樣的作用所產(chǎn)生的。圖 人體發(fā)聲器官示意圖 human vocal ans這些發(fā)聲器官的作用方式可以分為以下三種：第一，把從兩肺之間呼出的直流氣息通過各種作用轉(zhuǎn)化為音源氣流，即轉(zhuǎn)化為交叉氣流或者是不規(guī)則變化的氣流；第二，各種發(fā)聲器官通過對音源產(chǎn)生共振或者反共振作用，使其產(chǎn)生的聲音具有個性特征（即音色） ；第三，從兩個鼻孔和嘴唇向身體以外的空間產(chǎn)生聲波輻射作用。所以，我們把這些與人們發(fā)出各種聲音有關(guān)的相關(guān)器官稱作人體的發(fā)聲器官。人們在做正常呼吸運動時，由肺部所呼出的相對穩(wěn)定的氣流構(gòu)成了可以產(chǎn)生各種人類語音的激勵能量。眾所周知，在人體器官中，主要負責血液和空氣之間進行氧氣交換和代謝的器官是“肺” ，它的主要實質(zhì)功能是將血液中的二氧化碳氣體等廢氣排出；將空氣中的氧氣通過肺部一些組織的相應(yīng)作用過濾出來，以保證人體氧氣的必要供給。通過科學(xué)研究，人類在講話的時侯兩肺大概可以容納大約 左右的空氣，而人類正常呼出空氣的時侯大約可以呼出 250300mL 左右的空氣，并且還測試出人們在講話時兩肺的氣壓大約比講話的時侯所處的外部環(huán)境的大氣壓略大，大約高出百分之一左右。而在不講話時人類呼氣和吸氣所用的時間是大致相等的。相應(yīng)地，人類在講話的時侯在呼氣方面所耗費的時間會比吸氣所耗費的時間較長，一般來說大約可以占到人們整個呼吸周期時長的 80%左右。通過研究得知，人類用于呼吸的氣管的組成成分主要是一些環(huán)狀的軟骨組織，這些組織在人們講話的時侯，主要負責將來自肺部呼出的空氣傳送到咽喉部分。 “咽喉”則是由許多軟骨所構(gòu)成的。在生理學(xué)和醫(yī)學(xué)上，將日常生活中人們所看到的在頸部突出的那部分結(jié)構(gòu)稱為甲狀軟骨，喉的頂端部分是一塊形狀似梨的軟骨，稱為：重慶大學(xué)碩士學(xué)位論文 2 相關(guān)的理論知識和概念7會厭軟骨。會厭軟骨的主要功能是：在人們吞咽食物時可以有效避免食物進入到氣管中。而在咽喉部分的眾多器官中，對發(fā)聲影響作用最大的則是從喉結(jié)直至溝狀軟骨之間的韌帶褶，這便是我們?nèi)粘Ｋ^的聲帶。通常人們聲帶的長度大約在1015mm 之間，聲帶的面積比我們的指甲蓋還小，左右兩邊聲帶在人們呼吸時向左右兩邊張開，在人們講話時左右兩邊聲帶則從兩邊向中間合攏。其中，我們把左右兩邊聲帶之間的部分稱為聲門，由兩個溝狀的軟骨組織負責控制聲門的開啟和關(guān)閉，它可以使聲門呈類似于“A”的形狀開啟或者關(guān)閉，在人們講話時聲帶會在合攏的狀態(tài)下因受到聲門之中傳來的氣流沖激而向兩邊張開，也可以根據(jù)聲帶自身固有的韌性并且加上兩肺之中的氣壓發(fā)生下降而又能迅速地閉合，接下來又可以不斷重復(fù)張開與閉合的動作。正是由于聲門可以不間斷地張開與閉合，而使聲門可以送出一連串呈現(xiàn)噴流狀態(tài)的氣息，從而形成一系列以氣流為激勵的脈沖。我們把聲帶每次張開與閉合一次所耗費的時間（即聲帶的振動周期）稱為基音周期。而基音周期的倒數(shù)就是語音識別中常用到的特征參數(shù)：基音頻率（pitch） ?；纛l率通常取決于聲帶的自身結(jié)構(gòu)，如聲帶的形狀大小、聲帶整體的厚薄、聲帶軟骨組織的松緊程度以及聲門上下之間所形成的氣壓差異的效應(yīng)等，人類聲帶的基音頻率的波動范圍主要在 50500Hz 之間?；纛l率的范圍因人而異，并且可以隨著人的性別、年齡而存在差異。一般來說，年齡較大的老年男性聲帶的基音頻率會比較低，而青年女性和小孩子聲帶的基音頻率則會較高?；纛l率是決定人們所產(chǎn)生的聲音音調(diào)高低的最主要的因素，基音頻率高則所產(chǎn)生的聲音的音調(diào)就會相應(yīng)地較高；相反，基音頻率低則所產(chǎn)生的聲音的音調(diào)就會相應(yīng)地低一些。在人們講話時，從聲門一直到嘴唇之間的用于呼氣的通道叫做聲道。在人們說話的時候，聲門處的氣流因為沖激聲帶而產(chǎn)生振動，接下來氣流經(jīng)過聲道的一系列響應(yīng)而產(chǎn)生語音。根據(jù)發(fā)聲時聲道形狀的不同，而產(chǎn)生不同的聲音。其中人們的聲道形狀以及固有的特點則主要是由人的嘴唇、舌頭和腭的大小和位置共同來決定的。此外，軟腭還可以通過向下降低位置來使鼻腔和聲道形成相互耦合。我們把組成人們聲道的各個器官對于語音的作用稱為聲道的調(diào)音作用。并且我們把這些可以對人類的聲音起到調(diào)音作用的器官稱為調(diào)音器官。一般來說，大多數(shù)成年人的聲道長度大約會在 16cm 左右，有些成年人聲道的最大橫截面積甚至可以達到 20cm。與發(fā)聲有關(guān)的咽腔則是指連接喉嚨、食管與口腔、鼻腔之間的一段管狀組織。當人們在講話的時侯，咽腔自身的形狀是可以根據(jù)講話的需要而做出相應(yīng)改變的。咽腔與口腔一起共同發(fā)揮作用，這樣可以使我們聲道的形狀變化多種多樣，所以人類可以發(fā)出各種不同的聲音。而鼻腔則是指從咽腔開始一直延伸到鼻孔這一段之間的所有器官，通常在 10cm 左右長。人們在嘗試發(fā)出鼻音的時侯，軟腭是下垂的；如果將軟腭向上抬，則就是我們?nèi)粘Ｗ畛Ｓ玫目谝?。其中口腔是重慶大學(xué)碩士學(xué)位論文 2 相關(guān)的理論知識和概念8人們聲道的最重要的組成部分，我們可以通過調(diào)整唇、舌、齒以及腭的大小和位置來改變聲道的形狀和大小。其中舌頭是最為活躍的：舌的尖端部分、中央部分以及邊緣部分都能比較自由地活動，而舌體的整個部分也可以在上下左右前后的方向上自由活動。而我們的雙唇是位于口腔末端，它可以通過我們自身的調(diào)節(jié)形成許多種的形狀。牙齒是我們發(fā)出齒化音的關(guān)鍵部分，比如〔θ〕音等等。最后，在口腔旁邊的軟腭如前面所敘述的，是負責控制是否需要配合發(fā)出鼻音的閥門。而硬腭以及齒齦則是構(gòu)成聲道管壁的主要部分，并且還要參與人類整個的發(fā)聲過程。綜上所述，在聲門和聲帶之后，聲道是人們發(fā)聲器官中最重要的，對發(fā)聲起到了決定性作用的器官。 人耳對聲音信號的接收原理耳朵是人類聽覺系統(tǒng)的重要組成部分，它主要包括了外耳、中耳和內(nèi)耳這三大部分。其中，外耳道、耳翼和鼓膜共同組成了我們的外耳。外耳的作用主要是對聲音信號的感知起到定位和放大的作用，因為外耳會對一定頻率范圍內(nèi)的聲音信號可以產(chǎn)生共振作用，因此，外耳可以將從外部接收到的聲音信號放大10dB左右。此外，人的頭部由于可以起到一定的衍射作用，從而增加骨膜處的聲壓，最終可以使 人耳構(gòu)造圖從外部接收到的聲音信號得到一定程度的 structure of ear 放大。聽小骨(主要包含錘骨、砧骨和鐙骨)和咽鼓管組成了我們的中耳部分。在中耳的組織中，錘骨與鼓膜相接觸，鐙骨則與內(nèi)耳的前庭窗相接觸。中耳的主要作用是進行聲音阻抗的變換，即將中耳兩端的聲音阻抗匹配起來，在一定的聲音強度范圍內(nèi)，聽小骨對聲音進行線性傳遞，而在聲音強度特別大的情況下，聽小骨則對聲音進行非線性傳遞，這樣可以對內(nèi)耳起到保護的作用。耳蝸是內(nèi)耳的主要組成部分，耳蝸好比是聲音信號的收納器，它可以通過機械變換把聲音轉(zhuǎn)化為可以在人體神經(jīng)系統(tǒng)中進行傳送的生物信號。耳蝸內(nèi)部充滿了淋巴液，耳蝸相當于是一根密閉的管狀組織。耳蝸是由三個部分組成:鼓階、中階和前庭階。其中中階是負責連接鼓階和前庭階，中階的底膜稱為基膜，基膜上是柯蒂氏器宮，柯蒂氏器官則是一個傳感裝置。通過科學(xué)研究發(fā)現(xiàn)，人耳具有兩個重要的特性，其中之一就是耳蝸對聲音信號所具有的時頻分析特性，第二個則是與本文有較大相關(guān)度的人耳聽覺掩蔽效應(yīng)。就是當聲音信號經(jīng)外耳傳入到中耳的時候，鐙骨的運動重慶大學(xué)碩士學(xué)位論文 2 相關(guān)的理論知識和概念9會引起耳蝸內(nèi)淋巴液壓強的變化，進而引起聲波沿基膜傳播，不同頻率的聲音信號分量產(chǎn)生不同的聲波，其峰值出現(xiàn)在基膜的不同位置上。頻率較低時，基膜振動的幅度峰值出現(xiàn)在基膜的頂部附近。相反，頻率高時，基膜振動的幅度峰值出現(xiàn)在基膜的基部附近。如果所接收到的聲音信號是一個多頻率的復(fù)合聲音信號，則產(chǎn)生的聲波將沿著基膜在不同位置產(chǎn)生相應(yīng)大的振幅。從這個原理上來講，我們的耳蝸就相當于是一個聲音信號頻譜分析儀，可以將復(fù)雜的混合聲音信號分解成各種頻率的聲音信號分量。 聲音信號的分類根據(jù)聲音產(chǎn)生的來源不同大致可以分為以下三種語音：① 濁音 濁音主要是由位于聲門處的準周期的氣息脈沖序列激勵產(chǎn)生的。在我們呼氣的時候，空氣從我們的肺部排出形成空氣流，當此股空氣流經(jīng)過聲帶時，如果此時我們的聲帶是繃緊的，則會在聲門處產(chǎn)生一個準周期性質(zhì)的脈沖氣流。即聲帶產(chǎn)生比較有規(guī)律的弛張振動，從而形成周期性地開啟與閉合。當聲帶開啟的時候，空氣流會從聲門處噴射出來，從而形成一個脈沖，聲門的閉合時相當于脈沖序列之間的間隙。此空氣脈沖流會通過聲道并且最終從嘴唇處以聲波的形式向外輻射，這就是濁音的發(fā)聲原理。② 清音清音主要是有位于聲道的某個收縮區(qū)的湍流(類似噪音)激勵而形成的。在我們呼氣的時候，如果此時聲帶是完全舒展開的，則肺部呼出的空氣流將不會受到任何器官的作用通過聲門。在此股空氣通過聲門后，如果聲道某個部位發(fā)生收縮，則會形成一個狹窄的通道，當空氣流到達此處時將會被迫以高速氣流沖過此收縮區(qū)，并在此附近產(chǎn)生空氣湍流。而清音(也稱摩擦音)則正是由這種湍流空氣通過聲道所形成的。③ 爆破音爆破音是由位于聲道的某個閉合點處建立起來的氣壓所激勵而形成的，爆破音具有突然釋放的特性。產(chǎn)生爆破音的時候，聲帶的狀態(tài)如同上面產(chǎn)生清音的開始階段一樣，但是當空氣通過聲門后，如果此時聲道的某個部位完全閉合在一起，那么當空氣流到達時便會在此處建立起較大的空氣壓力，一旦此閉合點突然開啟便會使之前在此形成的氣壓得到快速釋放，此時就會產(chǎn)生所謂的爆破音。 聲音的物理特性音色：是指某種聲音自身區(qū)別于其它聲音的固有特征。音色一般由3個因素重慶大學(xué)碩士學(xué)位論文 2 相關(guān)的理論知識和概念10決定：發(fā)聲體，由不同的發(fā)聲體產(chǎn)生的聲音顯然不會相同，比如笛子和簫，雖然兩者外表看起來比較相似，但是卻能產(chǎn)生的不同風格的聲音；聲道的自身特點，就好比笛子本身，我們可以通過手指來按放笛子上的氣孔（相當于改變了笛子的聲道）從而產(chǎn)生不同的聲音；傳氣方式，又如口風琴，雖然是同一個琴孔，但是分別采用吹氣和吸氣而產(chǎn)生的聲音也是不相同的。音調(diào)：又稱為音高，表現(xiàn)為人們的主觀聽覺上聲音的高低。音調(diào)一般與聲音的頻率有關(guān)，頻率