Page 148 - 《应用声学》2021年第6期

P. 148

944 2021 年 11 月

人两次所发音节 [ã] 的宽带语图，分别为 4 个和 3 个
强峰。
参考文献
实际案检中，如对共振峰的 “身份” 不加以区
分，以 “强峰” 一概而论，只考察检材和样本整体共
[1] Cambier-Langeveld T. Current methods in forensic
振峰的 “形”，却忽略单个共振峰的 “质”，这样得出 speaker identiﬁcation: results of a collaborative exer-
的鉴定结论显然未充分发挥出鼻音峰的区别价值。 cise[J]. International Journal of Speech Language and the
共振峰编辑法利用共振峰和调音器官动作特 Law, 2007, 14(2): 223–243.
[2] Harrison P. Making accurate formant measurements: an
性的相关性，可以对共振峰进行逐个分析，针对性 empirical investigation of the inﬂuence of the measure-
强，特征规律容易把握，可有效区分鼻化元音的口、 ment tool, analysis settings and speaker on formant mea-
surements[D]. York: University of York, 2013.
鼻共振峰。明确鼻化元音中每个共振峰的“身份”属
[3] Nolan F, Grigoras C. A case for formant analysis in
性，不仅可以为建立元音声学空间模型提供可靠的 forensic speaker identiﬁcation[J]. International Journal of
口音共振峰数据，对利用共振峰特征进行司法话者 Speech, Language and the Law, 2005, 12(2): 143–173.
[4] Lane H, Matthies M, Perkell J, et al. The eﬀects of
识别的其他方法，也可充分利用鼻化元音口音、鼻
changes in hearing status in cochlear implant users on
音成分的共振峰个体特征，提高其结论的可靠性。 the acoustic vowel space and CV coarticulation[J]. Journal
of Speech, Language, and Hearing Research, 2001, 44(3):
3.4.2 对其他研究领域的价值 552–563.
[5] Prosek R A, Montgomery A A, Walden B E, et al. For-
如前文所述，基于 F 1 和 F 2 的元音声学空间度
mant frequencies of stuttered and ﬂuent vowels[J]. Journal
量模型已广泛应用于医疗、语音、语言研究等多 of Speech and Hearing Research, 1987, 30(3): 301–305.
个领域。该模型多利用口音共振峰频率经数学运 [6] Sapir S, Ramig L O, Spielman J L, et al. Formant cen-
tralization ratio: a proposal for a new acoustic measure
算形成量化指标，主要有：基于三元音、四元音
of dysarthric speech[J]. Journal of Speech, Language, and
以及多元音空间系统的元音声学空间面积 (Vowel Hearing Research, 2010, 53(1): 114–125.
space area) [7,9] ，基于元音空间的角元音共振峰频 [7] Turner G S, Tjaden K, Weismer G. The inﬂuence of speak-
ing rate on vowel space and speech intelligibility for indi-
率和的商的共振峰集中度 (Formant centralization viduals with amyotrophic lateral sclerosis[J]. Journal of
ratio) ，基于元音间平均距离或各元音到元音空 Speech and Hearing Research, 1995, 38(5): 1001–1013.
[6]
间中心距离的共振峰离散度(vowel formant disper- [8] Karlsson F, van Doorn J. Vowel formant dispersion as a
measure of articulation proﬁciency[J]. The Journal of the
sion) [4,8] 等。当元音声学空间模型包含鼻化元音时， Acoustical Society of America, 2012, 132(4): 2633–2641.
如能明确区分口、鼻共振峰，保证共振峰基础数据 [9] Neel A T. Vowel space characteristics and vowel identiﬁca-
的准确性，对提高量化指标的可靠性则显而易见。 tion accuracy[J]. Journal of Speech, Language, and Hear-
ing Research, 2008, 51(3): 574–585.
[10] Bradlow A R. A comparative acoustic study of English
4 结论 and Spanish vowels[J]. The Journal of the Acoustical So-
ciety of America, 1995, 97(3): 1916–1924.
本文探讨的这种区别鼻化元音口音、鼻音共振 [11] 石锋. 北京话的元音格局 [J]. 南开语言学刊, 2002, 1: 30–36.
[12] Dang J, Honda K, Suzuki H. Morphological and acousti-
峰的方法，旨在帮助通过构建元音声学空间模型来 cal analysis of the nasal and the paranasal cavities[J]. The
进行司法话者识别时提供准确的共振峰数据。该方 Journal of the Acoustical Society of America, 1994, 96(4):
2088–2100.
法对共振峰进行编辑剪切后，通过听辨就能得到准
[13] Dang J, Honda K. Acoustic characteristics of the human
确判断，具有快速、便捷等优点。其既可以有效解决 paranasal sinuses derived from transmission characteristic
在缺少同一人的口元音来确认口音共振峰时，难以 measurement and morphological observation[J]. The Jour-
nal of the Acoustical Society of America, 1996, 100(5):
分辨鼻化元音中共振峰 “身份”的问题，还可以有效
3374–3383.
解决方言学、语音学、自动语音识别、语言病理学、 [14] Ladefoged P. Phonetic data analysis[M]. MA: Blackwell
语音临床评估、语言障碍矫治等多个领域中对共振 Publishing, 2005: 135–137.
[15] Fujimura O, Lindqvist J. Sweep-tone measurements of
峰性质的区分问题，为应对这一挑战提供了一种新
vocal-tract characteristics[J]. The Journal of the Acous-
的可行方案。 tical Society of America, 1971, 49(2B): 541–558.

143 144 145 146 147 148 149 150 151 152 153