汉语耳语音声道特性分析及其在汉语耳语感知研究中的应用

《汉语耳语音声道特性分析及其在汉语耳语感知研究中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、汉语耳语音声道特性分析及其在汉语耳语感知研究中的应用摘要汉语耳语音声道特性分析及其在汉语耳语感知研究中的应用摘要随着移动通信的普及，耳语音作为一种特殊的语音交流方式，在越来越多的场合得到了应用。耳语音的研究在理论上有重要的科学价值，同时又在公众场合下的通信、失音者的语音恢复和公安司法工作等领域有着良好的应用前景。本文首先介绍了耳语音的发音机理，由于耳语发音时声带不振动，无法利用基频对其进行分析，因此耳语的声道特性分析在其感知、识别、转换等工作中都有着举足轻重的意义。语音的声道特性参数包括：共振峰值、带宽及声道传递函数增益三个方面的内容。由于耳语音能量低，受外界噪声影响大，且耳语发

2、音时声门上区收缩和声门半开使得耳语音的共振峰发生偏移，因此不能简单地利用线性预测(LP)提取其共振峰参数。本文提出了基于频谱分段的线性预测算法，首先通过计算语音的功率谱来减少白噪声对语音的影响，其次利用动态频谱分段产生3-5个二阶滤波器，最后通过逆滤波控制来确定共振峰位置。实验证明，该算法能够通过自动调节参数解决共振峰合并问题，且对含噪语音共振峰的提取具有鲁棒性。由于汉语是声调语言，因此其声调感知也是汉语语音分析中的重要组成部分之一。正常语音利用基音轨迹获取声调信息，耳语无基频，无法提取基音。本文提出了基于声道增益参数的汉语耳语声调感知，实验证明，其四声平均识别率大于80％，能有

3、效地用于声调识别。最后，本文利用参数法一直接修正耳语音LSP系数及非参数法一高斯混合模型两种方式，实现声道参数的转换，为汉语耳语音转换为正常语音打下基础。关键词：耳语音；共振峰；线性预测；声道增益；高斯混合模型作者：龚呈卉指导老师：赵鹤鸣OnVocalTractCharacteristicsofChineseWhisperedSpeechanditsApplicationsinPerceptualStudyAbstractVocalTractCharacteristicsofChineseWhisperedSpeechanditsApplicationsinPerceptualS

4、tudyAbstractUndercertaincircumstances，peopleshouldcallinwhisperingforsecurityornotdisturbingothers．Theresearchonitcallbeappliednotonlytocommunicationbutalsotomedicalusage．What’Smore，therecognitionofwhisperedspeechcanbeusedforidentitycertificationbythepoliceanditsdatabaseissometimesrequiredbyt

5、helow-bitcodingtechnique．Withoutthevibrationofvocalcolds，wecannotabstractthefundamentalfrequencyfromwhisperedspeech．Hence，itsvocaltractcharacteristics，includingformants，theirbandwidthsandthegainofvocaltract，becomeprominentinspeechanalysisandsysthesis．Asthetrachea丽mthelungattachedtothevocal—tr

6、actinwhisperedspeech，itstransferfunctionvariesbysubjoiningzero／polepoints．Here，allalgorithrnforformantestimationofwhisperedspeechbasedonspectralsegmentationisproposed．Experimentsshowthattheproposedmethodisefficientinformantextractionofwhisperedspeech,especiallyinlOWSNR．．Chineseisatonallanguag

7、e，thusit’sessentialtoidentifythetuneofChinesevowels．Obviously,tonalanalysisisbasedonthefundamentalfrequencieswhichcouldnotbefoun．dinthewhisperedspeech．Thus，weproposedanotherparameter-gainofthevocaltracttransferfunctiontoabstracttunes．Itisprov