語音識別基礎(chǔ)講義02

第二章語音的特征2.1發(fā)音的生理機構(gòu)與過程2.1.1發(fā)音的生理機構(gòu)人的發(fā)音生理機構(gòu)見圖2.1。如圖所示，發(fā)音器官主要由以下三個部分所構(gòu)成：（1）主聲道：一般將聲門（聲帶開口處）以上，經(jīng)咽喉、口腔（舌、唇、腭、小舌）的管道稱為主聲道。（2）鼻道：經(jīng)小舌和鼻的管道稱為鼻道。鼻道只有在發(fā)音時通過小舌下才被打開。小舌上抬時鼻道將被關(guān)閉。（3）次聲門系統(tǒng)：經(jīng)肺、支氣管和氣管的管道稱為次聲門系統(tǒng)。圖2.1發(fā)音器官示意圖2.1.2語音的產(chǎn)生過程語音的產(chǎn)生過程可分為音源產(chǎn)生、聲道調(diào)音和向外輻射三個階段。音源可分為聲帶音源和非聲帶音源兩大類，非聲帶音源又可分為噪聲音源和爆破音源。聲帶振動周期稱為基本周期（FundamentalPeriod），其倒數(shù)稱為基本頻率（FundamentalFrequency）。男性的基本頻率一般為50?250Hz,女性的基本頻率一般為100?500Hz。當(dāng)發(fā)音的基本周期隨時間變化時，便可感知重音和語調(diào)Intonation）。音源波由基波及其諧波成分構(gòu)成。聲道調(diào)音（Articulation）指為了發(fā)出各種各樣的聲音，需要諸如舌、口唇、腭等的器官對聲道形狀進(jìn)行的調(diào)整。有了不同的聲道形狀，就能給出聲道的不同的傳遞特性，并由于聲道腔的共鳴作用，使得語音能量按頻率發(fā)生強弱變化。聲道腔共鳴特性反映在其頻率特性上，便有一系列共振峰的出現(xiàn)，這些共振峰所對應(yīng)的頻率稱為共振峰頻率（Formant）。根據(jù)產(chǎn)生的音源不同大致可形成以下三種語音：（1） 濁音（V:Voicedspeech）的產(chǎn)生音源是位于聲門處的準(zhǔn)周期空氣脈沖序列?？諝鈴姆尾颗懦鲂纬煽諝饬?，空氣流經(jīng)過聲帶時，如果聲帶是繃緊的，則將在聲門處產(chǎn)生出一個準(zhǔn)周期性脈沖氣流。即聲帶產(chǎn)生弛張振動，形成周期性地開啟和閉合。聲帶啟開時空氣流從聲門噴射出來，形成一個脈沖，聲門閉合時相應(yīng)于脈沖序列的間隙。該空氣脈沖流通過聲道后最終從嘴唇輻射出聲波，這便是濁音語音。（2） 清音（U:Unvoicedspeech）的產(chǎn)生音源是位于聲道的某個收縮區(qū)的湍流（類似噪音）。如果聲帶是完全舒展開來的，則肺部發(fā)出的空氣流將不受影響地通過聲門。空氣通過聲門后，如果聲道某個部位發(fā)生了收縮，形成了一個狹窄的通道，則當(dāng)空氣流到達(dá)此處時將被迫以高速氣流沖過收縮區(qū)，并在附近產(chǎn)生出空氣湍流。這種湍流空氣通過聲道后便形成所謂的清音（也稱摩擦音）。（3） 爆破音（P:Plosivespeech）的產(chǎn)生音源是位于聲道某個閉合點處建立起來的氣壓，其具有突然釋放的特性。聲帶狀態(tài)同湍流音源一樣，但當(dāng)空氣通過聲門后，如果聲道的某個部位完全閉合在一起，當(dāng)空氣流到達(dá)時便在此處建立起空氣壓力，一旦閉合點突然開啟便會讓氣壓快速釋放，經(jīng)過聲道后便形成所謂的爆破音。2.1.3語音分類按主聲道、鼻道可以將語音分為以下兩種類型：（1）口音：指在發(fā)音時氣流不經(jīng)過鼻腔的音，即通過主聲道發(fā)出的音。（2）鼻音：指在發(fā)音時氣流經(jīng)過鼻腔的音。按音源的激勵形式可以將語音分為以下三種類型：（1）濁音：發(fā)音時聲帶振動使氣流產(chǎn)生準(zhǔn)周期的脈沖，這一空氣脈沖激勵聲道而得到的音（也稱有聲語音）。（2）清音：發(fā)音時聲帶不振動，僅以類似于寬帶噪聲音源輸出的湍流氣流高速沖過某處收縮的聲道而產(chǎn)生的音（也稱無聲語音）。（4）爆破音：由聲道在完全閉合的情況下突然釋放而產(chǎn)生的音。2.2語音的基本特性2.2.1語音的物理屬性語音既然是人的發(fā)音器官發(fā)出來的一種聲波，它就和其它各種聲音一樣，也具有聲音的物理屬性。這就是說，每種音都具有一定的音色、音調(diào)、音強和音長。音色是一種聲音區(qū)別于其它聲音的基本特征。音色因以下三個音素而不同，①發(fā)音體（聲帶）振動發(fā)出的音與聲帶不振動而由別的發(fā)音器官發(fā)出的音的音色不同；②雖然應(yīng)用相同的發(fā)音器官，但采用送氣的方法與不送氣的方法發(fā)出的音的音色不同；③聲道形狀和尺寸的不同發(fā)出的音的音色不同。音調(diào)是指聲音的高低，它取決于聲波的頻率（也稱語音基頻），而聲波頻率又與發(fā)音體的長短、厚薄以及松緊程度有關(guān)。音強是指聲音的強弱，它是由聲波振動幅度所決定的。音長是指聲音的長短，它取決與發(fā)音持續(xù)時間的長短。2.2.2漢語語音基礎(chǔ)及其特性任何語言的語音都有元音（Vowel）和輔音（Consonant）兩種音素（Phoneme），它們是按音素的發(fā)音特征來分類的。音素：根據(jù)語言學(xué)（音韻論）的定義，聲音的最小基本單位稱為“音素”，采用音韻符號/a/表示。元音：其特征是由聲帶振動而發(fā)音并且聲道比較暢通。元音最重要的特色是由于聲道中發(fā)生諧振的結(jié)果使聲音具有音色。也就是說，每個元音的特點是由聲道的形狀和尺寸來決定的。輔音：其特征是聲道受阻，有無音響還在其次。輔音最重要的特色是語音流中有湍流和其它間斷。發(fā)輔音時，如果聲帶不振動，發(fā)出的輔音稱為清輔音（也稱噪音），如果聲帶振則稱為濁輔音。形成受阻的部位和發(fā)音方法的不同，發(fā)出的輔音也就不同。聲母和韻母是按漢語字音的結(jié)構(gòu)來分類的。在我國，傳統(tǒng)的音韻學(xué)對語音的分析，是采用音、韻、調(diào)系統(tǒng)的分析方法。每個“字音”分析為“聲母”和“韻母”兩部分，每個“字音”又有陰平、陽平、上聲、去聲四種聲調(diào)。聲母：聲母可以由輔音來充當(dāng)，但輔音不一定就是聲母。漢語普通話中共有22個輔音，除ng以外的21個可以作為聲母（參見表2.1）。韻母：韻母可以由元音來充當(dāng)。它包括單韻母（一個元音）、復(fù)韻母（兩個或兩個以上

的元音）和帶聲韻母（元音和輔音、即用“n”或“ng”收尾的韻母）。漢語普通話中有10個元音組成38個韻母。表2.2列舉了35個韻母，另外“i資”、“i知”、“er”、“ 為4個特殊韻母。在漢語中一個字對應(yīng)與一個音節(jié)（Syllable）,所以它是由聲母、韻母和聲調(diào)按一定的方式構(gòu)成的，它是語言的最小使用單位。一般韻母又可分為韻頭、韻腹和韻尾，韻頭只能是“i”、“u”、“U”，韻腹是主要部分，其發(fā)音較強，韻尾只能是“i”、“u”、“n”和“ng”，前兩者可作為韻母獨立存在。表2.1漢語輔音表發(fā)音部位發(fā)音方法雙唇音唇齒曰舌尖前音舌尖中音舌尖后音舌面前音舌根音塞清不送氣bdg送氣Ptk塞擦清不送氣zzhj送氣cchq擦清 音fsshxh濁 音r鼻音濁 音mnng邊音濁 音l表2.2漢語韻母表單韻母a啊o喔e鵝i衣u 烏u迂ia呀ie耶ua蛙uo窩ue約復(fù)韻母ai哀ei誒ao熬ou歐iao腰iou優(yōu)uai歪uei威帶聲韻母an安en恩ang昂eng亨的韻母ong轟的韻母ian煙in因iang央ing英iong雍uan彎uen溫uang汪ueng翁uan冤un暈54321陰平^'高54321陰平^'高 半高 中…半低 低圖2.2漢語四聲位置圖在漢語普通話中，并不是任何聲母和韻母都能組合拼成音節(jié)的，21個聲母和35個韻母共約配合成400個音節(jié)，再加上四個聲調(diào)組成1600個左右的帶調(diào)音節(jié)。2.2.2語音的波形特征語音可以直接用它的時間波形來表示。根據(jù)時間波形可以看出語音信號的一些重要特征。圖2.3給出了一個音節(jié)字為“沙地(shaldi4)”的波形。從中可觀察到以下幾種類型的波形區(qū)間：靜息波區(qū)間(S:Silencespeech)：這是語音未發(fā)聲區(qū)間，反映在語音信號的始端、音節(jié)之間的間隙和語音信號的終端。在波形上是由背景噪聲所構(gòu)成的一條細(xì)線。準(zhǔn)周期波區(qū)間(V:Voicedspeech)：這是元音“a”和“i”的波形，具有比較明顯的周期性，各個元音的波形是不同的。在充分短(5ms?30ms)的時間區(qū)間(也稱短時區(qū)間)內(nèi)，可觀察到語音信號的變化非常緩慢，故可近似地認(rèn)為在短時區(qū)間內(nèi)語音信號的特性基本上是不變的。對漢語語音，還可以從其周期性變化趨勢推斷出聲調(diào)變化等。另外，還能從波形推斷出其能量主要集中在低頻成分。噪聲波區(qū)間(U:Unvoicedspeech)：這是輔音“sh(清擦音)”的波形，其振幅小于準(zhǔn)周期波的振幅。從波形推斷出其能量主要集中在高頻成分。脈沖波區(qū)間：這是輔音“d(塞音)”的起始階段波形。過渡區(qū)間：這是輔音與(或稱轉(zhuǎn)接)元音、元音與元音之間的過渡區(qū)間。圖2.3漢語波形特征2.2.3語音的頻譜特性語音還可以通過頻譜表現(xiàn)(spectralrepresentation)來描述其音素的特性。常用的有語譜圖(soundspectrogram)。語譜圖是一種用二維圖形，用來描述語音能量在連續(xù)頻率軸上隨時間的變化規(guī)律。即其縱軸對應(yīng)于頻率，橫軸對應(yīng)于時間，圖像濃黑程度正比于語音信號的能量。圖2.4表示普通話的語譜圖。語譜儀的帶通濾波器為寬帶(300Hz)時，便可得到寬帶語譜儀。這時由于時間分辨率高，因而可以明顯看出時間波形的每個周期(縱向細(xì)線層)。但是，由于頻率分辨率不高，不足以分辨激勵所形成的細(xì)微結(jié)構(gòu)(橫向細(xì)線層)。寬帶語譜儀能夠清晰地顯示出共振峰隨時間的變化情況(參見圖2.4(a))。窄帶語譜儀(50Hz)，因頻率分辨率高，能顯示出激勵信號的基頻及其各個諧波(參見圖2.4(b))。但是，由于時間分辨率的下降，不能明顯看出共振峰的變化。圖2.4普通話語音(shaldi4)的語譜圖(上圖為寬帶，下圖為窄帶)另外，在分析音素特性時，常用到振幅頻譜圖(或?qū)?shù)振幅譜)。對元音而言，在其頻譜圖上能清楚地看出濁音的基音及其諧波頻率。此外，還能看到3?4個能量集中的區(qū)域，這就是對應(yīng)的幾個共振峰頻率，從低到高分別稱為Fl、F2、F3等。表2.3給出了普通話七個韻母的共振峰頻率。從表中可以看到，各韻母音色上的差異可用斗三個共振峰頻率(F1、F2、F3)來表征，F(xiàn)1主要分布在290Hz至1KHz范圍內(nèi)，F(xiàn)2分布在500Hz至2.5KHz范圍內(nèi)，而F3分布在205Hz至4KHz范圍內(nèi)。圖2.4給出了普通話六個韻母語音的頻譜圖2.2.4語音的音律特性漢語的音律特性，主要是指語音的音高、音強和音長等方面所顯示出來的抑揚頓挫的特性。音高即對應(yīng)了聲調(diào)。從語音信號處理的角度講，聲調(diào)一般可用基頻隨時間變化的曲線來表征。音強指的是語音的輕重問題。一般存在三種重音，即正常重音、對比重音和輕音。正常重音的聲學(xué)特點是，聲調(diào)的完整性和音長的加長，而不是音強的加強。輕音首先失去了原有的聲調(diào)，其次是音長大大縮短。對比重音不同于正常重音的地方是，它的音高范圍大，音長更長，音強也往往有所增加。音強一般可用信號的能量、持續(xù)時間來表征。語音的韻律特性還有待于進(jìn)一步研究。

表2.3漢語拼音七個韻母的共振峰頻率(Hz)\性別共振峰i衣u烏U迂a啊o喔e鵝er兒男2903802901000530540540F1女3204203201230720750730童3905604001190850880750男23604402160116067010401600F2