关于音频特征提取

一．语音的产生简介

1.1   发音器官

    人体的语音是由人体的发音器官在大脑的控制下做生理运动产生的。人体发音器官由三部分组成：肺和气管、喉、声道。 肺是语音产生的能源所在。气管连接着肺和喉，是肺与声道的联系通道。喉是由一个软骨和肌肉组成的复杂系统，其中包含着重要的发音器官——声带。声带为产生语音提供主要的激励源。声道是指声门（喉）至嘴唇的所有发音器官，包括咽喉、口腔和鼻腔。

1.2   语音的产生

    语音是声音的一种，是由人的发声器官发出，具有一定语法和意义的声音。大脑对发音器官发出运动神经指令，控制发音器官各种肌肉运动从而振动空气从而形成。

    空气由肺进入喉部，经过声带激励，进入声道，最后通过嘴唇辐射形成语音。

1.3   语音信号的数字模型

 

 

                                                             语音信号产生的时域模型

                     如图：语音信号的数字模型由三个部分组成，激励模型、声道模型、辐射模型。

                                语音信号S(z)=U(z)·G(z)·R(z)。

               激励模型：发浊音时声带的不断开启和关闭将产生间歇的脉冲波。这个脉冲波类似于斜三角形脉冲串。如下图所示：

                                                        单个斜三角形波及其频谱

          发清音时，可等效成随机白噪声。

         声道模型：声道部分的数学模型目前有两种观点，一种是将声道视为多个不同截面积的管子串联而形成的系统，即“声管模型”，另一种是将声道视为一个谐振腔，即“共振峰模型”。

        辐射模型：辐射模型表征口和唇的辐射效应和圆形头部的绕射效应。

二：一些基本名词简介

  音素：语音中最小的基本单位是音素，音素是人类能区别一个单词和另一个单词的基础。音素构成音节，音节又构成不同的词和短语。音素又分为元音和辅音。

  元音：元音，又称母音，是音素的一种，与辅音相对。元音是在发音过程中由气流通过口腔而不受阻碍发出的音。不同的元音是由口腔不同的形状造成的。（元音和共振峰关系密切）

  辅音：气流在口腔或咽头受到阻碍而形成的音叫做辅音，又叫子音。不同的辅音是由发音部位和发音方法的不同造成的。

  清音：清音和浊音的概念在文献中涉及较多。严格来讲，很多特征的提取都需要区分清音和浊音。当气流通过声门时,如果声道中某处面积很小，气流高速冲过此处时产生湍流，当气流速度与横截面积之比大于某个临界速度便产生摩擦音，即清音。简单来说，发清音时声带不振动，因此清音没有周期性。清音由空气摩擦产生，在分析研究时等效为噪声。

  浊音：语音学中，将发音时声带振动的产生音称为浊音。辅音有清有浊，而多数语言中的元音均为浊音。浊音具有周期性。

发清音时声带完全舒展，发浊音时声带紧绷在气流作用下作周期性动作

三：语音特征

   3.1.声强和声强级

   在物理学中，把单位时间内通过垂直于声波传播方向的单位面积的平均声能，称为声强。声强用I表示，单位为瓦/平米。实验的研究表明，人对声音强弱的感觉并不是与声强成正比，而是与其对数成正比的。所以一般声强用声强级来表示。

                                                      SIL=10lg[I/I’]=10lg（I/I’）

  式中I为声强，I’=10e-12瓦/平米称为基准声强，声强级的常用单位是分贝（dB）。

3.2.响度

   响度时一种主观心理量，是人类主观感觉到的声音强弱程度。一般来说，声音频率一定时，声强越强，响度也越大。但是响度与频率有关，相同的声强，频率不同时，响度也可能不同。响度若用对数值表示，即为响度级，响度级的单位定义为方，符号为phon。根据国际协议规定，0dB声级的1000Hz纯音的响度级定义为0 phon，n dB声级的1000Hz纯音的响度级就是n phon。其它频率的声级与响度级的对应关系要从等响度曲线查出。