第4期 张少白，等：基于DIVA模型的语音-映射单元自动获取 ·309. cat,nice和s等.在这种情况下，系统工作起来就能 0.03 aal(22 052 x I real.Fs=1) 区分诸如cat和cats之类的对比功能部件.这是一个 巡0.01 简单的有关提取语音和句子结构的例子，这些语音 g0.01 和句子的结构是在不按照任何事先预定好的规则 -0.03 0.5 1.0 1.5 2.0 下，从粗略的听觉信号中提取出来的.语法和句法规 则也以同样的方式，根据输入信号的结构而逐渐形 (b)音素“a” 成这些语音组块通过长期存储，以及与输入信号不 0.2 uu(38591×1real.Fs=1) 同组合的逐一对比，就会慢慢变得有序起来，且阵容 不断扩大、内容不断增加但需要强调的是，以这样 的方式建立的模型，并不足以描述语音获取的全部 0.2 0 03101店2025304010 过程，只是一种相对粗糙但能在任何语音信号中寻 t/s 找统计规则的模型. (c)音素“u” 图33个音素过滤后的波形图 4仿真实验 Fig.3 The oscillogram of three phonemes after filtration 仿真实验以i、a、u3个元音为例，用MATLAB 0.3ě10 实现. 0.5 首先，将3个元音的录音分别保存为i.wav、 0.7 a.wav、u.wav文件，音频格式为PCM编码，量化等级 0.9 为16，单声道，接着分别将其转化为文件名为i.mat、 a.mat、u.mat的MATLAB数据文件，如图2~4. 0.1 0.2 0.3 0.40.5 7Hz sig1(159877 x I real.Fs=1) (a)音素“ ×10 0.3 ×10 10 15 20 ti 0.5 (a)音素“i" 0.7 a1(22052×1real.Fs=1) 0.2 0.9 0 -0.2 0. 10 0.1 0.20.3 0.40.5 0.5 1.01.5 2.0 2.5 fHz tis (b)音素“a” (b)音素“a” 0.2r×10 u(38591×1real.Fs=1) 0.2 延 0.6 0.2 0.66 0.51.01.5 g乃0方4810 1.0p (c)音素“u” 14 图23个音素的波形 0. 0.2 0.3 0.40.5 fHz Fig.2 The oscillogram of three phonemes (c音素“u” sig2(159877×1real.Fs=1) 图43个音素的频谱 [4 Fig.4 The spectrogram of three phonemes 从频谱图中可以清楚地看到3个音素的共振峰 1 表征形式.所谓共振峰，是一种用来描述声学共振现 象的概念.应用这种概念，不仅可以确定音素的音 (a)音素“i" 质，了解语音信息的直接来源，也可以反映DVA模ｃａｔ、ｎｉｃｅ 和 ｓ 等．在这种情况下，系统工作起来就能 区分诸如 ｃａｔ 和 ｃａｔｓ 之类的对比功能部件．这是一个 简单的有关提取语音和句子结构的例子，这些语音 和句子的结构是在不按照任何事先预定好的规则 下，从粗略的听觉信号中提取出来的．语法和句法规 则也以同样的方式，根据输入信号的结构而逐渐形 成．这些语音组块通过长期存储，以及与输入信号不 同组合的逐一对比，就会慢慢变得有序起来，且阵容 不断扩大、内容不断增加．但需要强调的是，以这样 的方式建立的模型，并不足以描述语音获取的全部 过程，只是一种相对粗糙但能在任何语音信号中寻 找统计规则的模型． ４ 仿真实验 仿真实验以 ｉ、ａ、ｕ ３ 个元音为例，用 ＭＡＴＬＡＢ 实现． 首先，将 ３ 个元音的录音分别保存为 ｉ． ｗａｖ、 ａ．ｗａｖ、ｕ．ｗａｖ 文件，音频格式为 ＰＣＭ 编码，量化等级 为 １６，单声道，接着分别将其转化为文件名为 ｉ．ｍａｔ、 ａ．ｍａｔ、ｕ．ｍａｔ 的 ＭＡＴＬＡＢ 数据文件，如图 ２～４． （ａ）音素“ｉ” （ｂ） 音素“ａ” （ｃ）音素“ｕ” 图 ２ ３ 个音素的波形 Ｆｉｇ．２ Ｔｈｅ ｏｓｃｉｌｌｏｇｒａｍ ｏｆ ｔｈｒｅｅ ｐｈｏｎｅｍｅｓ （ａ）音素“ｉ” （ｂ）音素“ａ” （ｃ）音素“ｕ” 图 ３ ３ 个音素过滤后的波形图 Ｆｉｇ．３ Ｔｈｅ ｏｓｃｉｌｌｏｇｒａｍ ｏｆ ｔｈｒｅｅ ｐｈｏｎｅｍｅｓ ａｆｔｅｒ ｆｉｌｔｒａｔｉｏｎ 图 ４ ３ 个音素的频谱 Ｆｉｇ．４ Ｔｈｅ ｓｐｅｃｔｒｏｇｒａｍ ｏｆ ｔｈｒｅｅ ｐｈｏｎｅｍｅｓ 从频谱图中可以清楚地看到 ３ 个音素的共振峰 表征形式．所谓共振峰，是一种用来描述声学共振现 象的概念．应用这种概念，不仅可以确定音素的音 质，了解语音信息的直接来源，也可以反映 ＤＩＶＡ 模 第 ４ 期 张少白，等：基于 ＤＩＶＡ 模型的语音－映射单元自动获取 ·３０９·