语音信号产生的数字模型课件.ppt

《语音信号产生的数字模型课件.ppt》由会员分享，可在线阅读，更多相关《语音信号产生的数字模型课件.ppt（59页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、关于语音信号产生的数字模型第1页，此课件共59页哦2.1 人类的语言器官和语音产生过程人类的语言器官和语音产生过程 人类的语音是由人体发音器官在大脑控制下的生理运人类的语音是由人体发音器官在大脑控制下的生理运动产生的。发音器官包括：肺，喉，声道等。空气由肺部动产生的。发音器官包括：肺，喉，声道等。空气由肺部排入喉部，经过声带进入声道，最后由嘴或鼻辐射出声波，排入喉部，经过声带进入声道，最后由嘴或鼻辐射出声波，形成了语音。形成了语音。鼻腔鼻腔口腔口腔声带声带声门声门第2页，此课件共59页哦Muscle force lung Vocal cords Nose outputMouth outputV

2、elumNasal cavityMouth cavityThe complete physiological mechanism of speech production 声道声道excitationspeech第3页，此课件共59页哦喉的生理结构喉的生理结构 喉位于气管的上端，实际上喉位于气管的上端，实际上是气管末端一圈软骨构成的一是气管末端一圈软骨构成的一个框架，前方稍高处的软骨称个框架，前方稍高处的软骨称为甲状软骨，前后方环成一圈为甲状软骨，前后方环成一圈的称为喉部环形软骨，喉中两的称为喉部环形软骨，喉中两片肌肉称为声带，声带之间的片肌肉称为声带，声带之间的空隙为声门。空隙为声门。当声带

3、张开时，声门打开，当声带张开时，声门打开，空气可自由呼出，正常呼吸就空气可自由呼出，正常呼吸就处于这种情况；当声带闭合，处于这种情况；当声带闭合，声门关闭。声门关闭。甲状软骨甲状软骨声门声门声带声带环形软骨环形软骨人的前方人的前方喉喉第4页，此课件共59页哦 当说话时，声带在软骨的作用下相互靠近但不当说话时，声带在软骨的作用下相互靠近但不完全闭合，声门变成一条窄缝，当气流通过窄缝完全闭合，声门变成一条窄缝，当气流通过窄缝时压力减小，外界压力大，从而两片声带完全闭时压力减小，外界压力大，从而两片声带完全闭合使得气流不能通过，当气流阻断时压力恢复正合使得气流不能通过，当气流阻断时压力恢复正常，推开

4、两片声带，声门再次打开，气流再次流常，推开两片声带，声门再次打开，气流再次流过。过。声带靠拢声带靠拢Tp基音周期基音周期 声带的开启和闭合称为声带的开启和闭合称为振动。这一振动过程周而振动。这一振动过程周而复始，形成了一串周期性复始，形成了一串周期性脉冲气流送入声道。这个脉冲气流送入声道。这个过程发出的音称为浊音。过程发出的音称为浊音。如汉语发音的如汉语发音的aa、ii、uu和和oo等。等。第5页，此课件共59页哦Glottal Closure instant T第6页，此课件共59页哦女声汉语拼音女声汉语拼音a的时域波形的时域波形第7页，此课件共59页哦Tp基音周期基音周期 fundamen

5、tal periodVoiced excitationUnvoiced excitation（声带不振动，声门开启）（声带不振动，声门开启）第8页，此课件共59页哦男声汉语拼音声母男声汉语拼音声母s的时域波形的时域波形第9页，此课件共59页哦 气流从喉向上经过口腔或鼻腔后从嘴或鼻孔向外辐射，气流从喉向上经过口腔或鼻腔后从嘴或鼻孔向外辐射，期间的传输通道称为声道。气流流过声道时犹如通过了一期间的传输通道称为声道。气流流过声道时犹如通过了一个具有某种谐振特性的腔体，放大某些频率，在频谱上形个具有某种谐振特性的腔体，放大某些频率，在频谱上形成相应位置的峰起，称为共振峰。成相应位置的峰起，称为共振峰。

6、讲话时，由于舌和唇的连续运动，使讲话时，由于舌和唇的连续运动，使声道形状改变，随即改变谐振频率，使得声道形状改变，随即改变谐振频率，使得发不同的音。声道的不同的形状，对应不发不同的音。声道的不同的形状，对应不同的谐振频率。同的谐振频率。声道声道第10页，此课件共59页哦发音的三种方式发音的三种方式excitationn浊音（浊音（voiced sounds）声带开启和闭合，在声门处声带开启和闭合，在声门处产生一个准周期性脉冲序列产生一个准周期性脉冲序列。（quasi-periodic sequence）n清音（清音（unvoiced sounds）声带完全舒展开来，声道声带完全舒展开来，声道的

7、某个部位发生收缩形成了一个狭窄的通道，当空气流到达此的某个部位发生收缩形成了一个狭窄的通道，当空气流到达此处时被迫以高速冲过收缩区，并在附近产生空气的湍流，类似处时被迫以高速冲过收缩区，并在附近产生空气的湍流，类似于白噪声。于白噪声。（white noise）n爆破音（爆破音（plosive/stop sounds）声带完全舒展开声带完全舒展开来，声道的某个部位完全闭合在一起，当空气流到达时来，声道的某个部位完全闭合在一起，当空气流到达时便在此处建立起空气压力，一旦闭合点突然开启便会让便在此处建立起空气压力，一旦闭合点突然开启便会让气压快速释放，实际上也是一种空气的湍流。气压快速释放，实际上也

8、是一种空气的湍流。（white noise）第11页，此课件共59页哦 F0=1/Tp，基音频率，由声带的质量来决定基音频率，由声带的质量来决定。F0的大小决定了声音的高低，称为音高。的大小决定了声音的高低，称为音高。男性的男性的F0大致分布在大致分布在：50250Hz 女性和儿童的女性和儿童的F0大致分布在大致分布在：100500Hz基音频率基音频率(Fundamental Frequencypitch)F0 第12页，此课件共59页哦鼻端鼻端嘴唇嘴唇17cm17cm8.5cm13cm13cm声道的无损模型声道的无损模型声道的谐振频率声道的谐振频率format frequency谐振频率发生

9、在：谐振频率发生在：Fn=Fn=（声道的横截面是均匀的，发元（声道的横截面是均匀的，发元音音e e时，声道近似是均匀的。）时，声道近似是均匀的。）L=17cmL=17cm，声道的长度，声道的长度n=1,2,3 n=1,2,3 称为第一共振峰称为第一共振峰F1=500Hz F1=500Hz、第二共振峰、第二共振峰F2=1500Hz F2=1500Hz、第三共振峰、第三共振峰F3=2500Hz F3=2500Hz，c=340m/sc=340m/s2n-12n-14L4Lc第13页，此课件共59页哦基音频率基音频率输出气流的频率输出气流的频率共振峰频率共振峰频率女声英文女声英文a的频谱的频谱第14页

10、，此课件共59页哦男声汉语拼音声母男声汉语拼音声母s的频谱的频谱第15页，此课件共59页哦 一种声道形状对应一套共振峰一种声道形状对应一套共振峰 不同人的声道大小不同，共振峰不同不同人的声道大小不同，共振峰不同 同一人，发不同音，共振峰也不同同一人，发不同音，共振峰也不同总结总结前三个共振峰的大致范围（前三个共振峰的大致范围（Hz）共振峰 成年男子 成年女子 带宽 f1 200800 2501000 4070 f2 6002800 7003300 5090 f3 13003400 15004000 60180第16页，此课件共59页哦 时域波形：幅度时间图。大致得出音节的起始点、清时域波形：幅

11、度时间图。大致得出音节的起始点、清音和浊音以及浊音的基音频率。音和浊音以及浊音的基音频率。女声汉语拼音女声汉语拼音a的时域波形的时域波形第17页，此课件共59页哦 频谱特性：幅度谱图。得出基音周期、频谱特性：幅度谱图。得出基音周期、共振峰频率及其位置。共振峰频率及其位置。女声英文女声英文a的频谱的频谱第18页，此课件共59页哦鼻腔的作用鼻腔的作用 在软腭的帮助下，可使空气经过鼻腔排在软腭的帮助下，可使空气经过鼻腔排除人体外，由此产生的语音称为鼻音。如除人体外，由此产生的语音称为鼻音。如nn、ngng为鼻音韵母，为鼻音韵母，mm、nn、ll为鼻为鼻音声母。音声母。鼻腔是一个谐振腔，由于形状固定，

12、故其鼻腔是一个谐振腔，由于形状固定，故其共振峰频率是确定的。共振峰频率是确定的。第19页，此课件共59页哦Muscle force lung Vocal cords Nose outputMouth outputVelumNasal cavityMouth cavityThe complete physiological mechanism of speech production 声道声道excitationspeech第20页，此课件共59页哦uG(n)Av冲激序列冲激序列发生器发生器声门脉冲声门脉冲模型模型G(z)G(z)随机噪声随机噪声发生器发生器基音周期基音周期TPAu清清/浊音开浊

13、音开关关浊音激励浊音激励清音激励清音激励2.3 语音信号产生的数字模型语音信号产生的数字模型一、激励模型一、激励模型第21页，此课件共59页哦声门脉冲滤波器声门脉冲滤波器N1N2第22页，此课件共59页哦二、声道模型二、声道模型(共振峰模型共振峰模型)短时线性系统短时线性系统声道声道V(z)1.1.级联型级联型(元音元音)V V1 1V V2 2V V3 3V V4 4V V5 5 声道是一组串连的二阶谐振器（一个谐振腔对应声道是一组串连的二阶谐振器（一个谐振腔对应1 1个共振峰频率）。个共振峰频率）。第23页，此课件共59页哦 每个每个传输函数是一个全极点的传输函数是一个全极点的IIRIIR

14、滤波器，这些极点滤波器，这些极点确定了声管的共振峰。若确定了声管的共振峰。若N N取偶数，取偶数，V(z)V(z)一般有一般有N/2N/2对共对共轭极点，轭极点，r rk kexp(j2exp(j2 F Fk kT)T)，k=1k=1N/2N/2。各个各个w wk k值分别值分别与语音的共振峰相互对应。与语音的共振峰相互对应。N N的取值一般为的取值一般为8 81212。a ai iz z-1-1z z-1-1b bi ic ci i第24页，此课件共59页哦传输函数传输函数N N为极点个数，为极点个数，G G是是增益参数增益参数，a ak k为常系数。为常系数。T T为采样周期为采样周期第2

15、5页，此课件共59页哦2.2.并联型并联型(大部分辅音大部分辅音)传输函数，传输函数，零极点零极点IIRIIR滤波器滤波器V V1 1V V2 2V V3 3V V4 4V V5 5 零极点零极点IIRIIR滤波器总是可以用全极点滤波器总是可以用全极点IIR IIR 滤波器来代替。因此可以用全极点滤波器来代替。因此可以用全极点模型来表示任何语音。模型来表示任何语音。第26页，此课件共59页哦三、辐射模型三、辐射模型R(z)=RR(z)=R0 0(1-z(1-z-1-1)唇端辐射损耗在高频端较为显著，而在低频端影响唇端辐射损耗在高频端较为显著，而在低频端影响较小，较小，R(z)应具有高通特性。对

16、高频提升大约为每倍频应具有高通特性。对高频提升大约为每倍频程程6dB6dB。第27页，此课件共59页哦四、完整的语音信号的数字模型四、完整的语音信号的数字模型A Av v冲激序列冲激序列发生器发生器声门脉冲声门脉冲模型模型G(z)G(z)随机噪声随机噪声发生器发生器基音周期基音周期T TP PA AN N线性系统线性系统声道声道V V(z z)辐射模型辐射模型R R(z z)清清/浊音浊音开关开关传输函数传输函数第28页，此课件共59页哦传输函数的具体表达式：传输函数的具体表达式：传输函数的具体表达式：传输函数的具体表达式：第29页，此课件共59页哦模型的特点模型的特点 在这个模型中，在这个模

17、型中，T TP P、A Av v、A AN N、清清/浊音开关的位置以及浊音开关的位置以及声道滤波器的参数都是随时间而变化，在声道滤波器的参数都是随时间而变化，在10-30ms10-30ms的时的时间间隔内是保持不变的。这种特性称为短时性。间间隔内是保持不变的。这种特性称为短时性。对于激励信号而言，大部分情况下，这一结论也是正确对于激励信号而言，大部分情况下，这一结论也是正确的，但有些音变化速度特别快，爆破音，取的，但有些音变化速度特别快，爆破音，取5ms比较更为恰比较更为恰当。当。第30页，此课件共59页哦2.4 2.4 语音信号的特性语音信号的特性一、语音的声学特性一、语音的声学特性 语音

18、是发声器官发出的一种声波，具有一定的音色、语音是发声器官发出的一种声波，具有一定的音色、音调和音强和音长。音调和音强和音长。音色音色:又称为音质，是一种声音区别于另一种声又称为音质，是一种声音区别于另一种声音的基本特性。音的基本特性。音调：声音的高低，取决于声波的频率音调：声音的高低，取决于声波的频率 音强：声音的强弱，它由声波的振动幅度所决音强：声音的强弱，它由声波的振动幅度所决定定 音长：发音时间的长短音长：发音时间的长短第31页，此课件共59页哦（1 1）音系简单，在汉语中一个字就是一个音节，由一）音系简单，在汉语中一个字就是一个音节，由一般为般为2 23 3个音素组成，而且具有音素少、

19、音节少。英语个音素组成，而且具有音素少、音节少。英语中一个单词由若干个音节组成，一般为中一个单词由若干个音节组成，一般为2 23 3个，一个音个，一个音节由若干个音素组成，一般为节由若干个音素组成，一般为1 14 4个。个。（2 2）清辅音多，在听感上有清亮、高扬和舒服、柔和的感）清辅音多，在听感上有清亮、高扬和舒服、柔和的感觉。觉。（3 3）有鲜明的轻重音和儿化韵，所以字词分隔清楚，）有鲜明的轻重音和儿化韵，所以字词分隔清楚，语言表达准确而丰富。语言表达准确而丰富。汉语语音的特点汉语语音的特点第32页，此课件共59页哦 在汉语中，由元音和辅音构成声母和韵母。在汉语中，由元音和辅音构成声母和韵

20、母。二、汉语的拼音方法二、汉语的拼音方法 声母：一个音节开始的辅音，声母完全由辅音充当，但声母：一个音节开始的辅音，声母完全由辅音充当，但辅音不等于声母，因为辅音还可以作为韵尾放在音节的末辅音不等于声母，因为辅音还可以作为韵尾放在音节的末尾。尾。b b、p p、m m、f f、d d、t t、n n、l l、g g、k k、h h、j j、q q、x x、zhzh、chch、shsh、z z、c c、s s、r r第33页，此课件共59页哦 韵母：在音节中占主要部分，音节中除了头上的声韵母：在音节中占主要部分，音节中除了头上的声母以外的部分，由单、双元音、元音带上辅音等几种不母以外的部分，由单

21、、双元音、元音带上辅音等几种不同的形式组成。所有元音都是浊音。同的形式组成。所有元音都是浊音。a a、o o、e e、i i、u u、单韵母（元音）单韵母（元音）aiai、eiei、aoao、ouou、iaia、ieie、iaoiao、iouiou、uaua、uouo、uaiuai、uei uei、e e 复韵母复韵母 anan、enen、angang、engeng、ongong、ianian、inin、iangiang、inging、iongiong、uanuan、uenuen、uanguang、uengueng、anan、n n 鼻韵母鼻韵母i i表示表示3 3个韵母，即韵母、舌尖前韵母和

22、舌尖后韵母。个韵母，即韵母、舌尖前韵母和舌尖后韵母。第34页，此课件共59页哦 韵母是由单、双元音、元音带上辅音等几种不同的韵母是由单、双元音、元音带上辅音等几种不同的形式组成。不同的元音有不同的基音频率和共振峰模式，形式组成。不同的元音有不同的基音频率和共振峰模式，它们是区别不同韵母的重要参数。它们是区别不同韵母的重要参数。区别不同韵母的重要参数区别不同韵母的重要参数第35页，此课件共59页哦 声母、韵母和声调是汉语语音的三要素。汉语语声母、韵母和声调是汉语语音的三要素。汉语语音的一个不同于其他语言的是它具有声调（音调）。音的一个不同于其他语言的是它具有声调（音调）。声调是声调是1 1个音节

23、在念法上的高低升降的变化，汉语中个音节在念法上的高低升降的变化，汉语中有有4 4个声调，即阴平（）、阳平（个声调，即阴平（）、阳平（）、上声（）、上声（）、和去声（）、和去声（）。）。三、汉语音节的一般结构三、汉语音节的一般结构第36页，此课件共59页哦 声调的变化就是浊音基音周期的变化，声调的变化就是浊音基音周期的变化，为了将调为了将调值描写地具体一些，一般采用值描写地具体一些，一般采用“五度标记法五度标记法”，用一，用一条竖线表示声音的高低，从上而下用条竖线表示声音的高低，从上而下用1、2、3、4、5依依次表示低、半低、中、半高、高次表示低、半低、中、半高、高。5 5 高高4 4 半高半高

24、3 3 中中2 2 半低半低1 1 低低阴平阴平阳平阳平 上声上声去声去声调类调类阴平阴平阳平阳平上声上声去声去声调值调值553521451第37页，此课件共59页哦四、四、语音信号的统计特性语音信号的统计特性 语音信号振幅分布的概率密度有两种逼近方法：语音信号振幅分布的概率密度有两种逼近方法：修正伽玛（修正伽玛（GammaGamma）分布概率密度函数：）分布概率密度函数：拉谱拉斯（拉谱拉斯（LaplaceLaplace）分布概率密度函数）分布概率密度函数:第38页，此课件共59页哦第39页，此课件共59页哦 人类接收语音由人耳来完成，空气振动由耳廓收集，经人类接收语音由人耳来完成，空气振动由

25、耳廓收集，经外耳道而抵达鼓膜，鼓膜随之振动，使鼓室中的空气和听骨外耳道而抵达鼓膜，鼓膜随之振动，使鼓室中的空气和听骨链也发生振动，听骨链的振动经前庭窗（卵圆窗）激励前庭链也发生振动，听骨链的振动经前庭窗（卵圆窗）激励前庭淋巴，变为液波，液波使位于基底膜上的螺旋器受到刺激，淋巴，变为液波，液波使位于基底膜上的螺旋器受到刺激，将神经冲动经听神经传到中枢而产生听觉。将神经冲动经听神经传到中枢而产生听觉。2.5 人类的听觉功能第40页，此课件共59页哦 正常人的听觉系统是极为灵敏的，可听声的范围为正常人的听觉系统是极为灵敏的，可听声的范围为20Hz-20kHz20Hz-20kHz。可听声的最小声压级可

26、听声的最小声压级(dB)(dB)称为听阈。称为听阈。-5-5130dB130dB，对，对低频和高频是不敏感的，听阈为低频和高频是不敏感的，听阈为60dB60dB，在，在1kHz1kHz附近最敏感。附近最敏感。第41页，此课件共59页哦 如果信号是一个多频率的信号，则产生的行波如果信号是一个多频率的信号，则产生的行波将沿着基底膜在不同的位置产生最大幅度，从这个将沿着基底膜在不同的位置产生最大幅度，从这个意义上讲，耳蜗就像一个频谱分析仪，将复杂信号意义上讲，耳蜗就像一个频谱分析仪，将复杂信号分解成各种频率分量，这种作用称为人耳分解成各种频率分量，这种作用称为人耳的时频分的时频分析特性。析特性。耳蜗

27、在语音接收过程起着重要的作用。耳蜗在语音接收过程起着重要的作用。耳蜗对声信号的时频分析特性耳蜗对声信号的时频分析特性第42页，此课件共59页哦 人工耳蜗是一种电子装置，能帮助重度及极重度人工耳蜗是一种电子装置，能帮助重度及极重度耳聋患者获得或重新恢复听觉。它代替病变受损的听耳聋患者获得或重新恢复听觉。它代替病变受损的听觉器官，把声音转换成编码的电信号传入内耳耳蜗，觉器官，把声音转换成编码的电信号传入内耳耳蜗，刺激分布在那里的听神经，再由大脑产生听觉。刺激分布在那里的听神经，再由大脑产生听觉。人工耳蜗人工耳蜗第43页，此课件共59页哦 麦克风接收声音，并通过导线将其传至言语处理器；麦克风接收声音

28、，并通过导线将其传至言语处理器；言语处理器对声音进行数字化、滤波编码等处理，并将言语处理器对声音进行数字化、滤波编码等处理，并将编码信号经导线传至传输线圈；传输线圈将编码信号通编码信号经导线传至传输线圈；传输线圈将编码信号通过耦合传至皮下的接收器；接收器对编码信号进行解码；过耦合传至皮下的接收器；接收器对编码信号进行解码；按信号选择一定位置的电极，刺激耳蜗内的听神经纤维，按信号选择一定位置的电极，刺激耳蜗内的听神经纤维，使其产生兴奋，将信号传入大脑，产生听觉。使其产生兴奋，将信号传入大脑，产生听觉。人工耳蜗的工作原理人工耳蜗的工作原理第44页，此课件共59页哦人耳的掩蔽效应人耳的掩蔽效应 人耳

29、的掩蔽（人耳的掩蔽（masking phenomenonmasking phenomenon）效应）效应:在在一个强信号附近弱信号将变得不可闻，被掩蔽掉一个强信号附近弱信号将变得不可闻，被掩蔽掉了。了。第45页，此课件共59页哦掩蔽阈值掩蔽阈值 被掩蔽掉的不可闻信号的最大声压级称为掩被掩蔽掉的不可闻信号的最大声压级称为掩蔽门限和掩蔽阈值（蔽门限和掩蔽阈值（masking thresholdmasking threshold）,在这在这个掩蔽阈值以下的声音将被掩蔽掉。个掩蔽阈值以下的声音将被掩蔽掉。掩蔽效应分为同时掩蔽掩蔽效应分为同时掩蔽(频域掩蔽频域掩蔽)和短时掩蔽和短时掩蔽（时域掩蔽）。同时

30、掩蔽是指存在一个弱信号和一个（时域掩蔽）。同时掩蔽是指存在一个弱信号和一个强信号，当其频率接近时，强信号会提高弱信号的阈强信号，当其频率接近时，强信号会提高弱信号的阈值，就会导致弱信号变得不可闻。值，就会导致弱信号变得不可闻。第46页，此课件共59页哦1kHz1kHz的听阈的听阈1dB1dB20dB20dB4dB4dB可闻声可闻声3dB3dB不可闻声不可闻声图形描述图形描述第47页，此课件共59页哦 同时出现的同时出现的A A声和声和B B声，若原来声，若原来A A声的阈值为声的阈值为50dB,50dB,由于另一个频率不同的由于另一个频率不同的B B声的存在使得声的存在使得A A声的声的阈值提

31、高了阈值提高了68dB,68dB,则则B B声称为掩蔽声，声称为掩蔽声，A A声称为被掩蔽声称为被掩蔽声。掩蔽量为声。掩蔽量为68dB68dB50dB50dB18dB18dB。数学描述数学描述第48页，此课件共59页哦 掩蔽效应的作用掩蔽效应的作用 当只有当只有A A声时，必须将声压级在声时，必须将声压级在50dB50dB以上的声音信号传以上的声音信号传送出去，送出去，50dB50dB以下的声音是听不到的。当同时出现了以下的声音是听不到的。当同时出现了B B声，由于掩蔽效应，使得声，由于掩蔽效应，使得A A声中的声中的68dB68dB以下的声音是听不以下的声音是听不到了，可以不予传送，只是传送

32、到了，可以不予传送，只是传送50dB50dB以上的信号。以上的信号。同时掩蔽时，掩蔽声越强，掩蔽作用越大；掩蔽声同时掩蔽时，掩蔽声越强，掩蔽作用越大；掩蔽声和被掩蔽声的频率越接近，掩蔽效果越明显，当频率相和被掩蔽声的频率越接近，掩蔽效果越明显，当频率相同时，掩蔽效果最大。同时，掩蔽效果最大。第49页，此课件共59页哦 前向掩蔽：若被掩蔽声前向掩蔽：若被掩蔽声A A出现后，相隔出现后，相隔(0.05s,2s)(0.05s,2s)之内之内出现了掩蔽声出现了掩蔽声B B，对，对A A起掩蔽作用，因为起掩蔽作用，因为A A声尚未被人所反声尚未被人所反应接收而强大的应接收而强大的B B声已来临。声已来临

33、。短时掩蔽短时掩蔽 前向掩蔽和后向掩蔽前向掩蔽和后向掩蔽 后向掩蔽：掩蔽声后向掩蔽：掩蔽声B B即使消失后，其掩蔽作用仍将持即使消失后，其掩蔽作用仍将持续一段时间，约续一段时间，约(0.5s,2s)(0.5s,2s)，这时由于人耳的存储效应，这时由于人耳的存储效应所致。所致。第50页，此课件共59页哦语谱图语谱图(Spectrogram)语音的时域分析和频域分析是语音分析的两种重要的方语音的时域分析和频域分析是语音分析的两种重要的方法，但是这两种方法均有局限性：时域分析对语音信号的法，但是这两种方法均有局限性：时域分析对语音信号的频率特性没有直观的了解；而频域特性中又没有语音信号频率特性没有直

34、观的了解；而频域特性中又没有语音信号随时间的变化关系。因此人们致力于研究将时域分析和频随时间的变化关系。因此人们致力于研究将时域分析和频域相结合，将时间依赖于傅立叶分析的显示图形称作为语域相结合，将时间依赖于傅立叶分析的显示图形称作为语谱图，横坐标为时间，纵坐标为频率，谱的色调的浓淡表谱图，横坐标为时间，纵坐标为频率，谱的色调的浓淡表示声音的强弱。它综合了频谱图和时域波形的优点，明显示声音的强弱。它综合了频谱图和时域波形的优点，明显得展示了语音频谱随时间的变化情况。得展示了语音频谱随时间的变化情况。第51页，此课件共59页哦Band-pass filter1Band-pass filter2B

35、and-pass filterNSpeechtimefrequency第52页，此课件共59页哦Every salt breeze comes form the seaWide bandnarrowband第53页，此课件共59页哦Matlab 命令：specgramWideband spectrogram：给出共振峰频率给出共振峰频率Narrow spectrogram：基音周期及其谐波：基音周期及其谐波 specgram computes the windowed discrete-time specgram computes the windowed discrete-time Four

36、ier transform of a signal using a sliding Fourier transform of a signal using a sliding window.The spectrogram is the magnitude of this window.The spectrogram is the magnitude of this function.function.第54页，此课件共59页哦第55页，此课件共59页哦 欢迎使用微软中国研究院中文语音合成系统欢迎使用微软中国研究院中文语音合成系统的时域波形和语谱图的时域波形和语谱图第56页，此课件共59页哦“毕业毕业”第57页，此课件共59页哦第58页，此课件共59页哦感谢大家观看第59页，此课件共59页哦