??? 摘 要：從人類語(yǔ)音產(chǎn)生的機(jī)理出發(fā)，介紹了語(yǔ)音信號(hào)的特征和語(yǔ)音信號(hào)的語(yǔ)譜圖，引出了語(yǔ)音信號(hào)的產(chǎn)生模型。同時(shí)討論了在語(yǔ)音信號(hào)產(chǎn)生的模型應(yīng)用中，線性預(yù)測(cè)編碼方法及語(yǔ)音產(chǎn)生模型在語(yǔ)音合成和語(yǔ)音識(shí)別中的應(yīng)用原理，體現(xiàn)了語(yǔ)音產(chǎn)生模型在語(yǔ)音處理技術(shù)方面的重要地位。
??? 關(guān)鍵詞：模型；頻率；線性預(yù)測(cè)編碼
?
??? 語(yǔ)音由一連串的音所組成，這些音及其相互間的過(guò)渡就是代表信息的符號(hào)。這些符號(hào)的排列由語(yǔ)音的規(guī)則所控制。對(duì)這些規(guī)則及其在人類通信中的含義的研究屬于語(yǔ)言學(xué)的范疇。但對(duì)語(yǔ)音信號(hào)加以處理以改善或提取信息時(shí)，有必要對(duì)語(yǔ)音產(chǎn)生的機(jī)理進(jìn)行討論。
??? 圖1為發(fā)音器官示意圖。聲道起始于聲帶的開口(即聲門處)而終止于嘴唇，它包含了咽喉(連接食道和口)和口(或稱為口腔)。聲道的截面積取決于舌、唇、頜以及小舌的位置，它可以從0 (完全閉合)變化到約20 cm2，鼻道則從小舌開始到鼻孔為止。當(dāng)小舌下垂時(shí)，鼻道與聲道發(fā)生聲耦合而產(chǎn)生語(yǔ)音中的鼻音。另外，圖中還包含了由肺、支氣管、氣管組成的次聲門系統(tǒng)，這個(gè)次聲門系統(tǒng)是產(chǎn)生語(yǔ)音能量的源泉。當(dāng)空氣從肺里呼出時(shí)，呼出的氣流由于聲道某一地方的收縮而受到擾動(dòng)，語(yǔ)音就是這一系統(tǒng)在此時(shí)輻射出來(lái)的聲波。
?
??? 語(yǔ)音的聲音按其激勵(lì)形式的不同可分為三類：濁音、摩擦音和爆破音。濁音：當(dāng)氣流通過(guò)聲門時(shí)，如果聲帶的張力剛好使聲帶發(fā)生張弛振蕩式的振動(dòng)，就能產(chǎn)生準(zhǔn)周期的空氣脈沖，這一空氣脈沖激勵(lì)聲道得到濁音，如音標(biāo)中的“U”、“d”、“w”、“i”、“e”等為濁音。摩擦音或稱為清音：如果聲道在某處(一般在接近嘴的那端)發(fā)生收縮，同時(shí)迫使空氣以高速?zèng)_過(guò)這一收縮部分而產(chǎn)生湍流，從而得到摩擦音，此時(shí)建立的寬帶噪聲源激勵(lì)了聲道，如音標(biāo)中的“∫”就是摩擦音；爆破音：如果使聲道前部完全閉合，在閉合后建立起氣壓，然后突然釋放，這樣就得到了爆破音，如音標(biāo)中的“t∫”就是爆破激勵(lì)產(chǎn)生的。
1 語(yǔ)音信號(hào)的特征和語(yǔ)譜圖
??? 圖1中聲道和鼻道都表示為非均勻截面的聲管，當(dāng)聲音產(chǎn)生以后就順著聲管傳播，它的頻譜形狀會(huì)被聲管的選擇性所改變。這類似于人們?cè)诠茱L(fēng)琴或管樂(lè)器中所看到的諧振現(xiàn)象。在此將聲道管的諧振頻率稱為共振峰頻率。共振峰頻率和聲道的形狀與大小有關(guān)，每種形狀都有一套共振峰頻率作為其特征。改變聲道的形狀就產(chǎn)生不同的聲音，因此，當(dāng)聲道形狀改變時(shí)，語(yǔ)音信號(hào)的譜特性也隨之改變。
??? 語(yǔ)譜圖是通過(guò)語(yǔ)譜儀畫出的、以顯示語(yǔ)音信號(hào)的通用圖。它的垂直方向表示頻率，水平方向表示時(shí)間。圖2表示了一段英語(yǔ)語(yǔ)句的語(yǔ)音信號(hào)。
?
??? 獲得這些圖的原理大致如下：
??? 首先把語(yǔ)音信號(hào)拆成短的時(shí)段，一般為2 ms～40 ms，然后在合適的窗口長(zhǎng)度上使用FFT找每一短時(shí)段的頻譜。圖中每一點(diǎn)表示在給定時(shí)間和給定頻率范圍內(nèi)頻譜的能量。段的長(zhǎng)度是根據(jù)頻率分辨率和時(shí)間分辨率要求折中選擇的。目前數(shù)字信號(hào)處理技術(shù)水平已能夠?qū)崟r(shí)處理語(yǔ)音頻譜隨時(shí)間的變化，這就意味著, FFT和顯示處理能夠在下一段數(shù)據(jù)捕獲前完成。例如，采樣頻率為8 kHz(由采樣定理知，信號(hào)帶寬的上限為4 kHz)，一段長(zhǎng)度內(nèi)有256個(gè)采樣點(diǎn)，F(xiàn)FT和顯示處理時(shí)間必須小于32 ms。
??? 從英文字“rain”中字母a的實(shí)例表明：語(yǔ)音信號(hào)有周期的時(shí)域波形，如圖2(a)所示；它的頻譜類似于一串有間隔的諧波，如圖2(b)所示。同樣，字“storm”中的字母s的實(shí)例表明：摩擦音時(shí)域信號(hào)為噪聲，如圖2(c)所示，它的頻譜如圖2(d)所示。這個(gè)頻譜證明對(duì)聲音的2個(gè)主要源都存在共振峰頻率的影響。
??? 在圖3中，圖的下半部分是相應(yīng)的語(yǔ)譜圖，語(yǔ)音能量由顏色的深淺來(lái)表示，顏色越深，語(yǔ)音能量越強(qiáng)。
?
??? 由圖3可知，語(yǔ)音樣例“他去無(wú)錫市，我到黑龍江”的每一個(gè)漢字的發(fā)音對(duì)應(yīng)一組頻譜，有其基音和諧波?；艉椭C波的寬度不等說(shuō)明有共振峰頻率的影響。從短時(shí)穩(wěn)定的頻譜存在說(shuō)明語(yǔ)音信號(hào)存在短期相關(guān)性，即盡管模擬聲道的數(shù)字濾波器參數(shù)是隨時(shí)間改變的，但是在很短的時(shí)間(如幾毫秒)內(nèi)，由于存在確定的周期性頻譜，因而可以認(rèn)為，在該段時(shí)間內(nèi)，數(shù)字濾波器參數(shù)不隨時(shí)間而變化?？梢允褂镁€性預(yù)測(cè)方法，即一個(gè)語(yǔ)音采樣值能夠由前面若干個(gè)采樣值的組合逼近，故稱為線性預(yù)測(cè)。因此，每一個(gè)漢字語(yǔ)音對(duì)應(yīng)一組線性預(yù)測(cè)系數(shù)，也就是對(duì)應(yīng)一組確定的聲道數(shù)字濾波器系數(shù)。
2? 語(yǔ)音信號(hào)的產(chǎn)生模型
??? 根據(jù)上面的分析，可以用近期所有語(yǔ)音合成和識(shí)別技術(shù)采用的人類語(yǔ)音模型來(lái)模擬語(yǔ)音信號(hào)的產(chǎn)生，如圖4所示。
?
?
??? 用隨機(jī)噪聲發(fā)生器產(chǎn)生噪聲源模擬摩擦音(漢語(yǔ)稱清音)，利用音調(diào)或稱基音周期控制脈沖串產(chǎn)生器模擬元音(漢語(yǔ)稱濁音)。用增益函數(shù)表示聲音振幅。模擬聲道的數(shù)字濾波器是一個(gè)線性時(shí)變?yōu)V波器。
3? 線性預(yù)測(cè)編碼(LPC)
??? 線性預(yù)測(cè)編碼LPC( Line Predictive Coding )方法在語(yǔ)音信號(hào)產(chǎn)生模型應(yīng)用中是至關(guān)重要的，下面給出它的物理概念和方法。采樣后的語(yǔ)音是離散信號(hào)，可以利用Z變換進(jìn)行分析計(jì)算。設(shè)聲道濾波器為一個(gè)全極點(diǎn)濾波器，其傳遞函數(shù)為V(z)，則輸出信號(hào)為：
??? S(z)=E(z)×V(z)=G×E(z)/A(z)????????????????????????? ?? ?(1)
式中，E(z)為聲道濾波器的激勵(lì)e(n)的Z變換；A(z)為聲道濾波器的逆濾波器，是全零點(diǎn)濾波器；G為增益函數(shù)，表示聲音振幅的一個(gè)參數(shù)；S(z)為合成的語(yǔ)音。在已知激勵(lì)和濾波器參數(shù)后，可得到合成語(yǔ)音，故(1)式稱為合成模型。由(1)式可得：
??? E(z)=S(z)×A(z)???????????????????????????????????????? ??(2)
(2)式為(1)式的逆運(yùn)算，故稱為語(yǔ)音分析模型。
??? 若逆濾波器為A(z)，輸入語(yǔ)音信號(hào)為S(z)，則輸出即為激勵(lì)信號(hào)E(z)。然而，A(z)是未知的，需要使用線性預(yù)測(cè)的方法求得。
??? 因?yàn)锳(z)是全零點(diǎn)濾波器，其結(jié)構(gòu)如圖5所示。通過(guò)證明可得：
??? 
??? 即A(z)是由M節(jié)濾波器組成，式中i是濾波器的階數(shù)，ai是逆濾波器的系數(shù)，有待確定。把(3)式代入(2)式，并將Z變換的式子轉(zhuǎn)換為離散值來(lái)寫，則有：
??? 
??? (4)式說(shuō)明對(duì)樣本序列值S(n)，n時(shí)刻序列值由它前面M個(gè)樣本線性預(yù)測(cè)得到。即：
??? 
??? 同時(shí)表示，激勵(lì)信號(hào)e(n)是語(yǔ)音信號(hào)S(n)與預(yù)測(cè)信號(hào)
之差，稱為預(yù)測(cè)誤差。(5)式可寫為Z變換形式：
??? 
式中，F(xiàn)(z)為預(yù)測(cè)濾波器值，若輸入A(z)，輸出即為預(yù)測(cè)值，見圖5。
?
?
??? 可見，這里存在2個(gè)濾波器，1個(gè)是預(yù)測(cè)濾波器F(z)，可用來(lái)求預(yù)測(cè)值；另一個(gè)為逆濾波器，它等于1-F(z)，可用來(lái)從激勵(lì)信號(hào)求出重建的語(yǔ)音信號(hào)。使用這2個(gè)濾波器關(guān)鍵是求系數(shù)ai。利用公式(4)，預(yù)測(cè)誤差e(n)越小，預(yù)測(cè)值越接近信號(hào)值S(n)?？刹捎胑(n)的最小均方誤差準(zhǔn)則來(lái)確定ai的系數(shù)。若S(n)已知，在短時(shí)間范圍內(nèi)(如20 ms)，在8 kHz采樣頻率下就有160個(gè)S(n)樣本點(diǎn)，利用它來(lái)訓(xùn)練預(yù)測(cè)濾波器A(z)，系數(shù)ai就可以確定。系數(shù)ai是時(shí)變的，但在短的時(shí)限內(nèi)是不變的。因此，在線性預(yù)測(cè)算法中，系數(shù)ai的計(jì)算每幀都要進(jìn)行1次，當(dāng)前幀系數(shù)ai計(jì)算值作為下一次計(jì)算時(shí)用。
4? 語(yǔ)音產(chǎn)生模型的應(yīng)用
??? 語(yǔ)音產(chǎn)生模型說(shuō)明一個(gè)短時(shí)的語(yǔ)音信號(hào)可以用3個(gè)參數(shù)來(lái)定義：(1)從周期性波和隨機(jī)噪聲中選擇1個(gè)作為激發(fā)態(tài)；(2)如果使用周期性波，必須選擇1個(gè)頻率作為基音；(3)模擬聲道響應(yīng)所使用的數(shù)字濾波器系數(shù)。
4.1 語(yǔ)音產(chǎn)生模型在語(yǔ)音合成技術(shù)中的應(yīng)用
??? 早期產(chǎn)品中應(yīng)用到的連續(xù)語(yǔ)音合成技術(shù)，是借助于大約以每秒40次速度修改上述的短時(shí)語(yǔ)音信號(hào)的3個(gè)參數(shù)來(lái)實(shí)現(xiàn)的。如適合兒童學(xué)習(xí)的“說(shuō)和拼音機(jī)”。由于它僅僅采用26個(gè)英文字母作為音庫(kù)，因而這種語(yǔ)音合成的聲音質(zhì)量不高，聲音非常機(jī)械。
??? 此后，用漢字語(yǔ)音作為庫(kù)，用波形拼接方法進(jìn)行語(yǔ)音合成，效果有所改進(jìn)，但是庫(kù)的存儲(chǔ)量太大。解決的方案是，使用語(yǔ)音分析方法，即利用語(yǔ)音產(chǎn)生模型概念，把一個(gè)語(yǔ)音信號(hào)分解成下列特性參數(shù)：線性預(yù)測(cè)系數(shù)(取10個(gè))、基音周期范圍、基音周期數(shù)目(基音持續(xù)時(shí)間)和清音存在時(shí)間等。根據(jù)ITU-T G.729語(yǔ)音編碼方法，一幀語(yǔ)音信號(hào)特征參數(shù)僅需80 bit，即80個(gè)16 bit樣本壓縮為80 bit，縮小16倍。到合成需要該音時(shí)，再利用語(yǔ)音產(chǎn)生模型由所存的特征參數(shù)實(shí)時(shí)轉(zhuǎn)換為語(yǔ)音。
4.2 語(yǔ)音產(chǎn)生模型在語(yǔ)音識(shí)別技術(shù)中的應(yīng)用
??? 與機(jī)器進(jìn)行語(yǔ)音交流，讓機(jī)器明白你說(shuō)什么，這是人們長(zhǎng)期以來(lái)夢(mèng)寐以求的事情。語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。其原理是：由于每一個(gè)短時(shí)語(yǔ)音信號(hào)包含一串語(yǔ)音特性參數(shù)，不同的漢字音有不同的特征參數(shù)，所以利用特征參數(shù)的差別來(lái)識(shí)別不同的漢字音。
??? 近20年來(lái)，語(yǔ)音識(shí)別技術(shù)取得顯著進(jìn)步，開始從實(shí)驗(yàn)室走向市場(chǎng)。預(yù)計(jì)未來(lái)10年內(nèi)，語(yǔ)音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域。
參考文獻(xiàn)
[1] 拉賓納? L R，謝弗? R W. 語(yǔ)音信號(hào)數(shù)字處理[M]. 北京：科學(xué)出版社，1983.
[2]?戴逸民，梁曉雯，裴小平. 基于DSP的現(xiàn)代電子系統(tǒng)設(shè)計(jì)[M]. 北京：電子工業(yè)出版社，2002.
[3]?奧本海姆. 信號(hào)與系統(tǒng)[M]. 劉樹棠，譯 . 西安：西安交通大學(xué)出版社，1998.
[4]?何蘇勤，王忠勇.TMS320C2000系列DSP原理及應(yīng)用技術(shù)[M].北京：電子工業(yè)出版社，2003.