汉语标准频谱

言语平均频谱是言语信号的主要物理特性之一.它对于计算言语可懂度和设计言语传递系统是必不可少的参数.本文讨论根据测量数据通过近似、修匀以后计算得出汉语标准频谱.言语标准频谱与实际测得的言语平均频谱相差不大,但其形状简单,便于应用,甚至可用简单的解析式来代表,从而大大便利于各种工程设计.总观汉语平均频谱,可以看出,男声在250赫和500赫、女声在300赫和600赫左右有两个谱级最大的区域.在这两个区域之间,有一略为下降的小谷.这两个峰与基频和第一共振峰有关(有些音的第一共振峰与基频相距甚近).男声在500赫以上、女声在800赫以上开始下跌,平均斜率为12分贝/倍频程.但由于第二、第三共振峰的影响,使得曲线在1600到3000赫之间又略有起伏.     

汉语普通话的平均频谱

本文描述了用混响室中重迭的语言声来测定语言平均频谱的方法,用这个方法测出了汉语普通话的平均频谱.测量结果与自由声提语言噪声的测量结果对比,同时也与由各个元音频谱平均计算出的平均频谱比较,发现几种结果互相符合得很好.由此,给出了普通话的标准频谱以及它的解析表达式.     

汉语语音的动态频谱

利用为电话传输质量评价而设计的试验句,对汉语语音的动态特性进行了分析研究。发音人男女各六人,每个人分别在消声室中发音。试验条件包括:(1)五种不同的发话声级(距发音人唇部1m远,声级为55、60、65、70和75dB),(2)两种不同的说话速度(正常的和加快的)。试验结果表明:(1)语言的长时平均频谱随着总声级而改变,特别是低频和中频部分;(2)元音的基频F_O和共振峰,特别是F_1、F_2,随总声级的提高而提高,在相同坐标下所绘元音三角图平移并加大;(3)说话速度加快,元音三角图缩小,元音有央化的倾向;(4)总声级加大,元音-辅音(能量)比提高,但与辅音的发音方式有密切关系。     

汉语的平均频谱:应用现场和实验室语噪声测量的结果

语言是一个物理现象。从物理的角度来研究语言的工作有着多方面的内容,其中最主要的一项是语音能谱的分析——包括各个音素的频谱分析和整个语言的平均频谱分析。所谓“平均”频谱,就是人们日常谈话时声压按频率的统计分布。它是设计传送语言的系统(电话、广播、电影录音等)时很重要的参考资料。本文所述的是测量汉语中的普通话和上海方言平均频谱的结果。测量时采取的是分析语噪声的方式,包括在万人以上的大会中的现场测量和在消声窒中的测量。语噪声方式比别的方式有着一定的优越性。文中列出了普通话和沪语的平均谱曲线,并将汉语(普通话)与     

汉语单音语音的频谱分析实验

介绍了一个用频谱分析的方法对汉语单音语音进行分析的实验。通过对不同发声人对同一汉字的发音进行频谱分析 ,得出其相应的频谱特性或变化规律。     

电光调制通信的频谱测量

晶体电光调制的物理基础是电光效应.通常在测量半波电压的基础上,进而观测线性区音频调制信号的通信特性.尽管线性区域具有实际应用价值,但是非线性区的谐波调制频谱分析丰富了实验教学内容.通过对通用教学装置技术改进,结合使用锁相放大技术,实现了直流光电流、谐波调制通信的基频和倍频信号随偏压变化的全区域同步测量.实验结果直观准确地显示了电光效应半波电压和调制通信的最佳偏置电压.由此可见,层次化测量技术配置不仅拓展实验教学方法,也将使同一实验项目针对不同学习对象可以具有个性化的教学定位和教学内容.     

声门波平均频谱的计算

本文依照简化的声门波模型,提出了对声门波平均频谱的计算。利用这些计算结果,能精确地测量声道的频谱。在平均频谱的计算中,考虑到占空比及三角波不对称性对它们的影响。对于汉语的四声变化分别给出了相应的声门波平均频谱,并把这些结果与传统的声门波频谱进行比较。     

频谱和自关函数的转换测量

本文根据频谱和自关函数相互变换的关系,给出一种简单的频谱或自关函数的转换测量方法。文中还分析了有关转换测量中的误差问题.     

雷雨次声波的三维动态频谱测量研究

采用三台电容式次声接收器，在北京昌平安装次声三点阵，并测量到2000年7-8月15次强雷阵雨的次声波P-t曲线及其三维动态频谱，频谱分析结果表明：（1）雷阵雨的次声波主要来自雷次声。（2）雷次声的频谱有三大特点：其一是听到雷声越响时，雷次声振幅越强；其二是特强振幅持续时间很长；其三是周期范围时而连续、时布分布在周期较长和较短端，形成谱图上一个个空洞。据此可区别与其它次声波。（3）初步探讨了雷次声的产生机理和传播特点。     

频谱测量中的边带噪声误差估测

将频谱测量中的误差分为两大类，即被测信号的误差和频谱仪本身的误差。图1为仪器输入信号Vin中包含的噪声Vn和信号Vs的频谱，则瞬时噪声Vn=Vin-Vs,在频域上关于信号工对称。笋析证明边带噪声是由幅度噪声和相位噪声组成，并用小信号调制理论来描述，     

汉语耳语音孤立字识别研究

耳语音识别有着广泛的应用前景,是一个全新的课题.但是由于耳语音本身的特点,如声级低、没有基频等,给耳语音识别研究带来了困难.本文根据耳语音信号发音模型,结合耳语音的声学特性,建立了一个汉语耳语音孤立字识别系统.由于耳语音信噪比低,必须对其进行语音增强处理,同时在识别系统中应用声调信息提高了识别性能.实验结果说明了MFCC结合幅值包络可作为汉语耳语音自动识别的特征参数,在小字库内用HMM模型识别得出的识别率为90.4%.     

Study of the formant and duration in Chinese whispered vowel speech

Study on the acoustical characteristic is important to speech and speaker recognition in Chinese whispered speech. In this paper, the characteristics of whispered speech are introduced and the acoustical characteristics in Chinese whispered speech are discussed. There is no fundamental frequency in the whispered speech, so other characteristics such as the duration and frequency of formant are extracted and analyzed. From experiments with six simple Chinese whispered vowels, it is proved that the duration and the frequency of formant can be used as the main acoustical characteristics in the Chinese whispered recognition.     

基于听觉模型的耳语音的声韵切分

本文分析了耳语音的特点，并根据生理声学及心理声学的基本理论与实验资料，提出了一种利用听觉模型来进行耳语音声韵切分的方法。这种适用于耳语音声韵切分的听觉感知模型主要分为四个层次：耳蜗对声音频率的分解机理；听觉系统的时域和频域非线性变化；中枢神经系统的侧抑制机理。这种模型能反映在噪声环境下人对低能量语音的听觉感知特性，因而适于耳语音识别，在耳语音声韵母切分实验中得到了满意的结果。     

Conversion from whispered speech to normal speech using the extended bilinear transformation method

A method of conversion from whispered speech to normal speech using the extended bilinear transformation was proposed. On account of the different deviation degrees of the whisper＇s formants in different frequency bands, the spectrum of the whispered speech will be processed in the separate partitions of this paper. On the basis of this spectrum, we will establish a conversion function able to usefully convert whispered speech to normal speech. Because of the whisper＇s non-linear offset in relation to normal speech, this paper introduces an expansion factor in the bilinear transform function making it correspond more closely to the actual conversion demands of whispered speech to normal speech. The introduction of this factor takes the non-linear move of the spectrum and the compression of the formant bandwidth into consideration, thus effectively reducing the spectrum distortion distance in the conversion. The experiment results show that the conversion presented in this paper effectively improves both the sound quality and the intelligibility of whispered speech.     

采用扩展型双线性变换法将耳语音转换为正常语音的研究

提出了一种采用扩展型双线性变换将耳语音转换为正常语音的方法。根据耳语音在不同频段的共振峰偏移程度不同,将耳语音的频谱进行分段处理,在此基础上建立耳语音转换为正常语音的转换函数。由于耳语音在各频段相对于正常语音非线性偏移,在双线性变换函数中引入扩展因子,使其对频谱的非线性偏移与对共振峰带宽的压缩更加符合耳语音转换为正常语音的实际转换需求,有效减小了转换语音与正常语音的谱失真距离。实验结果表明,本文的转换语音在音质和可懂度上均得到了有效提高。     

基于言语数据库的汉语音高下倾现象研究

提出了一种通过语句中声调音域低音点和次低音点求出语调短语低音线的方法,并以低音线为基准,考察从大规模言语语料库中随机抽取的汉语自然语句的语调特征。研究结果表明,与已有的汉语句末语调理论不同,汉语同样具有各种语言中普遍存在的音高下倾和重置的语调特征。低音线的下倾和重置可以出现在音步、语调短语和语句等不同的韵律单元中,表现最明显的是在语调短语这一级。实验结果支持汉语语调双线模型中高音线和低音线语言学功能不同的观点。     

全局谱参数下的耳语说话人状态因子分析

提出了全局谱参数下的耳语说话人状态因子分析方法。首先,根据耳语听辨实验结果,提出导入唤醒度-愉悦度因子对说话人状态进行三级度量;其次,提取耳语音正弦模型、人耳听觉模型下的谱参数,结合其他短时频谱参量,进行轨迹跟踪并计算各参数的全局统计变量,作为特征参数来实现耳语说话人状态的分类。实验结果显示,正弦模型及人耳听觉模型的全局谱参数可将耳语说话人状态因子分类系统的准确率提高至90%。该分类方法及状态因子描述方案提供了耳语音说话人状态分析的有效途径。     

A method of whispered speech enhancement based on speech absence probability and modified mel-domain masking model

Whispered speech enhancement using auditory masking model in modified Meldomain and Speech Absence Probability(SAP)was proposed.In light of the phonation characteristic of whisper,we modify the Mel-frequency Scaling model.Whispered speech is filtered by the proposed model.Meanwhile,the value of masking threshold for each frequency band is dynamically determined by speech absence probability.Then whispered speech enhancement is conducted by adaptively rectifying the spectrum subtraction coefficients using different masking threshold values.Results of objective and subjective tests on the enhanced whispered signal show that compared with other methods;the proposed method can enhance whispered signal with better subjective auditory quality and less distortion by reducing the music noise and background noise under the masking threshold value.     

唢呐的声频谱和音管的计算

本文给出唢呐的声学结构,并用圆锥复合管模拟音管。音管和双簧片哨声容的共振决定声音的基频。文中给出音管输入导纳和传递函数的计算方法。计算表明,唢呐声中基波主要由指孔辐射,而高次谐波主要由碗开口辐射。声频谱包络的特点和音管的传递函数有相应的关系。