2.3 语音的产生

语音的最基本组成单位是音素，语音就是由一连串的音素所组成的。这些音素及其相互间的过渡就是代表信息的符号。音素的排列是由语音的规则所控制的，对这些规则及其在人类通信中的含义的研究属于语言学的范畴，而对语音中的音素的分类和研究称为语音学。对语音学和语言学的论述有专门的著作，这里不做详细讨论。在这一节里主要介绍语音的产生过程。

2.3.1 发声器官

语音的产生依赖于人类的发声器官。人类的发声器官主要由喉、声道和嘴等组成，如图2-3所示。声道起始于声带的开口（即声门处）而终止于嘴唇。对男性来说，声道的平均长度约为17cm，声道的截面积取决于舌、唇、颌和小舌的位置，它可以从零（完全闭合）变化到约20cm ² ，鼻道则从小舌开始到鼻孔为止。当小舌下垂时，鼻道与声道发生声耦合而产生语音中的鼻音。

完整的发声器官还应包括由肺、支气管、气管组成的次声门系统，次声门系统是产生语音能量的源泉。当空气从肺里呼出来时，呼出来的气流由于声道某一地方的收缩而受到扰动，语音就是这一系统在这时辐射出来的声波。

2.3.2 语音的分类

语音按其激励形式的不同可以分为清音、浊音和爆破音三类。

（1）清音（Unvoiced speech）。当气流通过声门时，如果声带不振动，而在某处收缩，迫使气流以高速通过这一收缩部分而产生湍流，就得到清音。

（2）浊音（Voiced speech）。当气流通过声门时，如果声带的张力刚好使声带发生张弛振荡式的振荡，产生一股准周期的气流，这一气流激励声道就产生浊音。

（3）爆破音（Plosive speech）。如果使声道完全闭合，在闭合后建立起气压，然后突然释放，就得到爆破音。

图2-4（a）、（b）、（c）分别给出了一帧清音、浊音和爆破音语音的波形图。

2.3.3 基音频率与共振峰

1．基音频率

当发浊音时，气流通过声门时使声带发生振动，产生准周期激励脉冲串，其典型波形如图2-5所示。这个脉冲串的周期就称为“基音周期（pitch）”，其倒数称为“基音频率”。

基音频率与个人声带的长短、厚薄、韧性、劲度和发音习惯等有关，在很大程度上反映了个人的特征。一般来说，男性说话者的基音频率大致分布在50～200Hz的范围内，而女性说话者和小孩的基音频率在200～450Hz之间。

2．共振峰

人类的声道和鼻道都可以看成非均匀截面的声道管，声道管的谐振频率称为共振峰频率，简称共振峰。共振峰与发声器官的确切位置有很大的关系，即共振峰与声道的形状和大小有关，每种形状都有一套共振峰作为其特征。改变声道的形状就产生不同的声音，因此，当声道形状改变时，语音信号的频谱特性也随之改变。共振峰由低到高排列依次为第一共振峰、第二共振峰、第三共振峰……，相应的频率用F ₁ 、F ₂ 、F ₃ 、…表示。一般的浊音中可以辨别的共振峰有5个，其中前面3个对于区别不同语音来说至关重要。如图2-6所示为一段浊音的时域波形及其短时频谱图，从频谱中可清楚地看出共振峰。

2.3.4 语谱图

语音信号随时间而变化的频谱特性可以用语谱图直观地来表示。语谱图的纵轴对应于频率，横轴对应于时间，而图像的黑白度对应于信号的能量。因此，声道的谐振频率在图上就表示成黑带，其中浊音部分以出现条纹图形为特征，这是因为此时的时域波形有周期性；而在清音的时间间隔内，图形显得很致密。如图2-7所示为一段语音的时域波形及其语谱图。