Page 142 - 《应用声学》2021年第6期
P. 142

938                                                                                 2021 年 11 月


                                                               下和第三共振峰 F 3 区域引入了零极点对；Hawkins
             0 引言
                                                               等 [16]  指出除了 F 1 附近存在一个以上的共振峰外，
                 20世纪30年代至今，司法话者识别技术已经历                        自然语音中的鼻音化还可以在较高频率频谱中引
                                                               入其他共振峰，而且这些共振峰变化在不同个体
             了近 90年的发展历程。当前，国内外司法话者识别
                                                               和元音中并不一致；方强等              [17]  验证了元音鼻化后
             方法主要有声学语音学识别、全自动话者识别及半
             自动话者识别 3 种      [1] 。其中，依靠 “听觉－声学－语               会在 250 Hz 附近出现弱的鼻音共振峰，1000 Hz 和
             音识别” 由专家进行综合判别的声学语音学识别方                           2000 Hz 之间会出现几个能量较弱的谱峰，不同元
                                                               音鼻化后所表现的声学特征也各不相同。此外，在
             法，因其结论准确性及可解释性为各国法庭普遍采
                                                               研究分析个体鼻化元音声学特征时，往往是基于已
             信，成为国内外司法话者识别专家普遍采用的方法。
                                                               知元音发生鼻化，且有与之对应的口元音为参照的
             全自动话者识别具有快速高效的特点，但识别准确
             率随着样本库容、语种、信道等的异同而稳定性较                            前提。然实践中，某些个体因生理或方言发音习惯
                                                               等因素的影响，会把口元音发成鼻化元音，进而难
             差，故主要应用在门禁系统、犯罪预防、军事等领域；
                                                               以找到口元音做参照，使得共振峰的分析工作更加
             在打击犯罪领域主要是利用其快速特点进行嫌疑
                                                               困难。即便常见单元音的前 3 个共振峰有数据可参
             对象的筛查与串并案件。而基于人工与自动识别相
                                                               考 [18] ，但要区分某个具体元音中的某个共振峰是口
             结合的半自动话者识别技术，正处于研究阶段，尚未
                                                               音峰还是鼻音峰却也非常不易。因此，在司法话者
             有成熟可信的系统可供使用。在声学语音学的司法
                                                               识别领域，李敬阳等         [19]  提出，不论哪种强峰都是个
             话者识别方法中，共振峰频率是最为常见的声学测
                                                               人语音音色特性的体现，检案中，可以按说话人语音
             量参数之一     [2] ，对其应用主要体现在共振峰的动态
                                                               出现的强峰，依次标称为第一、第二、第三强峰或者
             模式与静态模式上，因其是话者发音器官言语中运
                                                               直接沿用语音学 “共振峰” 的称谓，省去口、鼻音共
             动习惯动力定型的声学表现，能够充分体现个体间
                                                               振峰判定的繁复过程。然而，口音共振峰数据的准
             发音习惯的异同。而基于第一、第二共振峰构建的
                                                               确性是通过 F 1 、F 2 构建元音声学空间模型来识别
             元音声学空间 (F 1 -F 2 sapce) 度量模型是对共振峰
                                                               说话人的首要要求，如不明确区分口音、鼻音共振
             模式最直观体现的方式之一              [3] 。而今，这一度量模
                                                               峰，构建元音声学空间的准确性便无从谈起。更何
             型还被广泛应用于检测耳蜗植入物的语音感知                       [4] 、
                                                               况由于个体间鼻腔与副鼻腔的人间差异显著，其声
             语言疾病评估       [5−6] 、构音障碍矫治     [7] 、语音清晰度
                                                               学特性具有明显的人间差异             [20] ，如不能进行细致的
             评估  [8] 、语音识别   [9] 、跨语言比较     [10] 、汉语方言学
                                                               区分，则无法充分发掘鼻音峰的区别价值。
             研究  [11]  等多项研究中。
                                                                   为此，本文探究了一种通过编辑元音共振峰的
                 尽管元音声学空间度量模型已有较为广泛的
                                                               能量，结合专家听辨，观察编辑前后元音音质的改变
             研究应用，但鼻化元音共振峰的阶次问题一直是个
                                                               情况，来区分口音、鼻音共振峰的方法，以期对司法
             绕不开的挑战。鼻音和鼻化音在言语中不可或缺，
                                                               话者识别中构建元音声学空间模型能有所帮助。
             是声道口腔部分与鼻腔、副鼻腔 (又称副鼻窦) 耦合
             的结果。鼻腔和副鼻腔的解剖结构相当复杂。Dang
                                                               1 理论依据
             等  [12−13]  利用核磁共振成像 (Magnetic resonance
             imaging, MRI) 研究了鼻腔、副鼻腔的形态与之对                         早在 1948 年，Joos   [21]  就提出了 F 1 、F 2 与舌位
             应的声学关系，发现二者形态的个体差异大，左右                            的高低和前后的直接关联。1951 年，Delattre              [22]  对
             不对称明显。这种形态上的复杂性在声学实验中会                            舌位和共振峰进行了详细比较，得出结论：F 1 反映
             产生极其复杂的频率响应，导致元音鼻化后在口音                            发音人舌位的高低 (或嘴巴的开合度)，F 2 反映舌位
             共振峰附近引入额外鼻音共振峰的数目和位置并                             的前后或嘴唇的圆展，F 3 主要反映舌尖的上翘 (卷
             不固定，具有明显的个体变异和人间差异。从语音                            舌)。鲍怀翘等      [18]  分别用不同的方法讨论了舌位和
             学角度，Ladefoged   [14]  证实在第一共振峰 F 1 与第二            声道形状与共振峰频率之间的关系，得到了一致的
             共振峰 F 2 之间存在一个鼻音共振峰 F n 。Fujimura                 结果“舌位高低主要与F 1 相关；舌位前后可用 F 2 的
             等  [15]  通过对声道的扫描测量，认为通常在 F 1 以                   值来推算”。
   137   138   139   140   141   142   143   144   145   146   147