[工學(xué)]數(shù)字語音處理1-2章-資料下載頁
2024-12-07 23:35本頁面
【正文】 特性。 Speech Signal Processing . 語音信號產(chǎn)生的數(shù)字模型 (c)混合型 +1H2H3H4H5HA V1A2A3A4A5A1H 2H 3H 4H 5H低 通濾 波低 通濾 波A FA B幅度控制因子 AB專為一些頻譜特性比較平坦的音素，如[f],[p],[b]所考慮的。 Speech Signal Processing . 語音信號產(chǎn)生的數(shù)字模型 (3)輻射模型 ? 在發(fā)音腔道內(nèi)形成的氣流經(jīng)由嘴唇端輻射出來，到達(dá)聽者耳朵的這段過程，聲音信號會衰減，而且有高通濾波的特性，我們常用一個一階的數(shù)字高通濾波器擬這個現(xiàn)象，這個濾波器又叫做輻射模型 (radiation model)，其數(shù)學(xué)式如下 10 0 0( ) ( 1 ) , 1 , 1R z R z R R?? ? ? ?完整的數(shù)字模型的系統(tǒng)函數(shù)： 011( ) ( ) ( ) ( )( 1 ) ( 1 )qkkkGRH z G z V z R zbz c z??????? ?Speech Signal Processing . 語音信號產(chǎn)生的數(shù)字模型 總結(jié)： 1. 此模型并非最完備的模型，因為它對一些音是不適用的如濁音中的摩擦音，這種音要有發(fā)濁音和清音的兩種激勵，而不是簡單的疊加關(guān)系，對這些音我們可用更精確的模型來模擬。 2. 語音產(chǎn)生的數(shù)字模型中增益控制（對 Av或 AN）代表了輸出語音的音響強度；時變線性系統(tǒng)主要用來模擬聲道的特性； 3. 數(shù)字語音處理中兩個基本問題，即語音分析和語音合成，都是基于這個模型來實現(xiàn)的； 4. 此數(shù)字模型的特點： ? 系統(tǒng)參數(shù)固定不變 — 短時分析； ? 全極點性質(zhì) — 零點可由多個極點逼近； ? 激勵源和聲道互相獨立 — 適用于大多數(shù)數(shù)字語音處理。 返回 Speech Signal Processing . 人類的聽覺功能 用語言作溝通，就是說話的人能讓對方聽懂他在說些什么，雙方用說與聽來達(dá)成信息交換與感情交流。而語言的學(xué)習(xí)過程，更是不斷地聽，然后學(xué)習(xí)會說，所以語言與聽覺有密切的關(guān)聯(lián)性。 本節(jié)將說明人類聽覺器官的構(gòu)造，以及如何聽聲音。并且對于人耳在聽覺上的一個重要特性，聽覺掩蔽效應(yīng)做了簡要敘述，這是語音處理中常常會用到的聽覺特性。 Speech Signal Processing . 人類的聽覺功能 圖 51 聽覺器官簡圖 Speech Signal Processing . 人類的聽覺功能 圖 52 聽覺過程 Speech Signal Processing . 人類的聽覺功能 外耳 從耳翼 (pinnas)到鼓膜 (eardrum)這一段叫做外耳。 耳翼的功能在幫助判斷聲音的來源方向，它對于聽者前方來的聲音比較敏感。 耳翼到鼓膜之間的通道叫做耳道 （ meatus) ，這是一個長約 。 對于聲波的傳播而言，這條通道等于是一個四分之一波長的 共振腔 ，它的 第一個共振頻率 大約是 3 kHz，這個共振作用將 3～ 5 kHz的聲波 放大 15 dB左右 ，因此使得我們的聽覺對于 3～ 5 kHz的頻率范圍比較敏感。 Speech Signal Processing . 人類的聽覺功能 中耳 在鼓膜與耳蝸之間有一個大約 6立方公分的小空間，稱之為中耳。 在這個小空間內(nèi)，有三塊小骨頭，分別是槌骨 (hammer，或稱為 malleus)， 砧骨 (anvil或稱為incus)與鐙骨 (stapes，或稱為 stirrup)。 槌骨黏接在鼓膜上，聲波造成的空氣振動會使鼓膜振動，進而推動槌骨的振動，鐙骨貼在耳蝸的橢圓形窗(oval window)上，槌骨的振動經(jīng)過砧骨與鐙骨的傳遞，將振動信號傳到耳蝸內(nèi)的淋巴液，所以中耳可以看成是聲波到淋巴液的信號轉(zhuǎn)換，在此轉(zhuǎn)換過程中， 對于 1 kHz以上的信號做了 15 dB/10倍頻程的衰減，可以看成是一個低通濾波器 (low pass filter)。 Speech Signal Processing . 人類的聽覺功能 人類在分辨聲音時，是取決于頻域上的分辨率，聽覺器官等于是將時域的聲音波形轉(zhuǎn)換成在頻域的頻譜，能否聽到聲音或分辨聲音，是取決于 音強 (intensity)與 頻譜(spectrum)。 一般人的聽覺器官可以感知頻率范圍 16 Hz到 18 kHz的聲音，動態(tài)范圍約 1000倍。 超出人類聽覺感知范圍，如 20kHz以上的聲波，我們稱之為超音波 (ultrasonic)。 人耳對于 1kHz到 5kHz的聲音最為敏感 ，但是對于 1 kHz以下與 5kHz以上的聲音，就要較大的音強才聽得到。 Speech Signal Processing . 人類的聽覺功能 人類聽覺的范圍 Speech Signal Processing . 人類的聽覺功能 掩 蔽效應(yīng) (masking effect) 當(dāng)一個聲音存在時，它會將另一個聲音的感知臨界值提高，也就是說 當(dāng)某一頻率的聲音，有一特定音強存在時，另一個不同頻率的聲音要將音強提高才會被聽到，這就是聽覺掩蔽效應(yīng)。 同時存在的聲音，常常是低頻的聲音傾向于 掩 蔽掉高頻的聲音，這是一種頻率 掩 蔽 (frequency masking)的現(xiàn)象。 某一段時間存在一個聲音，在此聲音剛結(jié)束的一小段時間內(nèi)，其它的聲音會聽不見這種 掩 蔽現(xiàn)象叫做 時間掩 蔽 (temporal masking)。 這個現(xiàn)象也會發(fā)生在此存在聲音之前，這是由于聲音在聽覺器官中傳遞時延遲所造成的。 Speech Signal Processing . 人類的聽覺功能 頻率 掩 蔽的情形
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1