語音信號處理 第4版 第2章 語音信號處理的基礎(chǔ)知識 思考題答案

第二章語音信號處理的基礎(chǔ)知識思考題答案人的發(fā)音器官有哪些？人耳聽覺外周和聽覺中樞的功能是什么？人的發(fā)音器官包括：肺、氣管、喉（包括聲帶）、咽、鼻和口。這些器官共同形成一條形狀復(fù)雜的管道。喉的部分稱為聲門。從聲門到嘴唇的呼氣通道叫作聲道。聽覺外周包括位于腦及腦干以外的結(jié)構(gòu)，即外耳、中耳、內(nèi)耳和蝸神經(jīng)，主要完成聲音采集、頻率分解以及聲能轉(zhuǎn)換等功能；聽覺中樞包含位于聽神經(jīng)以上的所有聽覺結(jié)構(gòu)，對聲音有加工和分析的作用，主要包括感覺聲音的音色、音調(diào)、音強(qiáng)、判斷方位等功能。此外，聽覺中樞還承擔(dān)與語言中樞聯(lián)系和實(shí)現(xiàn)聽覺反射的功能。人耳聽覺的掩蔽效應(yīng)分為哪幾種？掩蔽效應(yīng)的存在對我們研究語音信號處理系統(tǒng)有什么啟示？掩蔽效應(yīng)分為同時(shí)掩蔽和短時(shí)掩蔽。同時(shí)掩蔽是指同時(shí)存在的一個弱信號和一個強(qiáng)信號頻率接近時(shí)，強(qiáng)信號會提高弱信號的聽閾，當(dāng)弱信號的聽閾被升高到一定程度時(shí)就會導(dǎo)致這個弱信號變得不可聞。當(dāng)A聲和B聲不同時(shí)出現(xiàn)時(shí)也存在掩蔽作用，稱為短時(shí)掩蔽。短時(shí)掩蔽又分為后向掩蔽和前向掩蔽。純音對窄帶噪聲的掩蔽量當(dāng)加寬噪聲聲寬時(shí)最初是掩蔽量增大，但超過某一寬帶后就不再增大，這一帶寬稱為臨界帶寬。當(dāng)Ａ聲被B聲掩蔽時(shí)，若Ａ聲的頻率處在以Ｂ聲為中心的臨界帶的頻率范圍內(nèi)時(shí)，掩蔽效應(yīng)最為明顯，當(dāng)Ａ聲處在Ｂ聲的臨界帶以外時(shí)，仍然會產(chǎn)生掩蔽效應(yīng)，這種掩蔽效應(yīng)取決于Ａ聲和Ｂ聲的頻率間隔相當(dāng)于幾個臨界帶，這一間隔越寬，掩蔽效應(yīng)越弱。根據(jù)發(fā)音器官和語音產(chǎn)生機(jī)理，語音生成系統(tǒng)可分成哪幾個部分？各有什么特點(diǎn)？語音是從肺部呼出的氣流通過在喉頭至嘴唇的器官的各種作用而發(fā)出的。作用的方式有三種：第一是把從肺部呼出的直氣流變?yōu)橐粼矗醋優(yōu)榻涣鞯臄嗬m(xù)流或者亂流；第二是對音源起共振和反共振的作用，使它帶有音色；第三是從嘴唇或鼻孔向空間輻射的作用。產(chǎn)生語音的能量來源于正常呼吸時(shí)肺部呼出的穩(wěn)定氣流。講話時(shí)聲帶不斷地張開與閉合，使聲門向上送出一連串噴流而形成一系列脈沖。聲帶每開啟和閉合一次的時(shí)間，即聲帶的振動周期就是音調(diào)周期或基音周期。從聲門到嘴唇的呼氣通道叫作聲道。在說話的時(shí)候，聲門處氣流沖擊聲帶產(chǎn)生振動，然后通過聲道響應(yīng)變成語音。語音信號的數(shù)學(xué)模型包括哪些子模型？激勵模型是怎樣推導(dǎo)出來的？輻射模型又是怎樣推導(dǎo)出來的？它們各屬于什么性質(zhì)的濾波器？語音信號的數(shù)字模型可以用激勵模型、聲道模型和輻射模型這三個子模型串聯(lián)來表示，如下圖所示激勵模型一般分為濁音激勵和清音激勵。發(fā)濁音時(shí)，由于聲帶不斷地張開和光比，將產(chǎn)生間歇的脈沖波。這個脈沖波的波形類似于斜三角形的脈沖（二階低通濾波器），因此濁音激勵是一個以基音周期為周期的斜三角波脈沖串。發(fā)清音時(shí)，無論是發(fā)阻塞音還是摩擦音，聲道都被阻礙形成湍流因而可以把清音激勵模擬成隨機(jī)白噪聲。實(shí)際情況一般使用均值為０、方差為１，并在時(shí)間或／和幅值上為白色分布的序列。由輻射引起的能量損耗正比于輻射阻抗的實(shí)部，所以輻射模型是一階類高通濾波器。什么是聲強(qiáng)和聲壓？它們之間有什么關(guān)系？聲壓是定量描述聲波的最基本的物理量，它是由聲擾動產(chǎn)生的逾量壓強(qiáng)，是空間位置和時(shí)間的函數(shù)。聲波在單位時(shí)間內(nèi)作用在與其傳遞方向垂直的單位面積上的能量稱為聲強(qiáng)。對于球面波和平面波，聲壓與聲強(qiáng)的關(guān)系是I=P2/(ρc)式中，ρ為空氣密度；c為聲速。什么是響度？是如何定義的？響度描述的是聲音的響亮程度，表示人耳對聲音的主觀感受，其計(jì)量單位是宋。定義為聲壓級為40dB的1kHz純音的響度為1宋。人耳對聲音的感覺，不僅和聲壓有關(guān)，還和頻率有關(guān)。聲壓級相同，頻率不同的聲音，聽起來響亮程度也不同。什么是音高？與頻率的關(guān)系如何？以Hz為單位所測得的物理量—頻率，在聽者來說感知為心理量—音高，即用人的主觀感覺來評價(jià)所聽到的聲音是高調(diào)還是低調(diào)。音高隨頻率的增加而提高。美（Mel）：美是心理聲學(xué)測量音高的單位。1000美是1000Hz純音40dBSL時(shí)的音高。音調(diào)高的聲波具有高美值，音調(diào)低的聲波美值就低。在語音信號參數(shù)分析前為什么要進(jìn)行預(yù)處理？有哪些預(yù)處理過程？語音信號的預(yù)處理包括預(yù)加重，加窗和分幀等。語音信號的數(shù)字化一般包括放大及增益控制、反混疊濾波、采樣、A/D轉(zhuǎn)換及編碼。預(yù)濾波的目的有兩個：一是抑制輸入信號各頻域分量中頻率超出fs/2的所有分量（fs為采樣頻率），以防止混疊干擾；二是抑制50Hz的電源工頻干擾。A/D轉(zhuǎn)換中要對信號進(jìn)行量化。語音信號低頻段能量大，高頻段信號能量?。欢b頻器輸出噪聲的功率譜密度隨頻率的平方而增加（低頻噪聲小，高頻噪聲大），造成信號的低頻信噪比很大，而高頻信噪比明顯不足，使高頻傳輸困難。通常采用預(yù)加重（發(fā)送端對輸入信號高頻分量的提升）和去加重（解調(diào)后對高頻分量的壓低）技術(shù)來解決該問題。對語音信號進(jìn)行處理時(shí)為什么要進(jìn)行分幀？分幀的常用方法是什么？貫穿于語音分析全過程的是“短時(shí)分析技術(shù)”。雖然語音信號具有時(shí)變特性，但是在一個短時(shí)間范圍內(nèi)（一般認(rèn)為在10~30ms的短時(shí)間內(nèi)），其特性基本保持不變即相對穩(wěn)定，因而可以將其看作是一個準(zhǔn)穩(wěn)態(tài)過程，即語音信號具有短時(shí)平穩(wěn)性。所以任何語音信號的分析和處理必須